基于PCA-CMAC的设备性能退化评估

• 作者: Frank L. Lewis Jay Lee 张蕾 曹其新
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 主成分分析 小脑模型节点控制器 性能退化评估
• 年，卷（期）: 2005,（3）
• 页码范围: 299-303
• 页数: 5页
• 分类号: TH17|TP18
• 字数: 733字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2005.03.011

摘要

提出了一种用于设备性能退化评估的PCA-CMAC(主成分分析-小脑模型节点控制器)模型.该模型利用PCA进行特征提取,去除多个传感器信号特征的冗余信息,并且减少CMAC的输入维数;利用CMAC的局部泛化能力定量地评估设备的性能退化.给出了模型的实现过程,并将模型应用于钻削过程刀具状态的评估,试验结果证明该模型能基于刀具的正常状态,对刀具的磨损状态进行定量的评估.分析了CMAC中泛化参数g和量化参数r对评估结果的影响,g越大,CMAC的泛化能力越好,但各退化状态之间的区别越不明显;r越小,各退化状态之间越容易区分,但所需的权存储空间越大.2个参数的基本选择原则是CMAC的权存储空间应尽量小,与此同时,各退化状态之间应容易区分.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张蕾	上海交通大学机器人研究所	69	374	10.0	16.0
2	曹其新	上海交通大学机器人研究所	128	1711	24.0	34.0