作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着柔性制造系统(FMS)和智能制造系统的发展,机械加工的自动化程度日益提高,要求加工系统能自动地对生产过程中所出现的故障进行快速有效的在线监测.通过对铣床主轴电机电流信号进行小波消噪处理和burg功率谱分析,提取时域内均方根和频域内功率谱密度的刀具破损特征,再运用最小二乘支持向量分类机(Least Squares Support Vector Machine Classifier,LS-SVMC)进行特征训练和模式识别,建立了一种支持刀具状态快速评判的信号处理模型.
推荐文章
基于模糊数据融合的刀具磨损状态辩识
刀具磨损
小波分析
振动信号
功率信号
模糊数据融合
基于AR特征的刀具状态识别方法
AR模型
隐Markov模型
切削过程
刀具状态识别
基于时序分析与模糊聚类的铣削刀具磨损状态识别
时间序列分析
模糊聚类分析
刀具磨损
识别
基于小波神经网络监测刀具状态的研究
神经网络
小波分析
刀具监测
振动信号
AE信号
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 支持铣床刀具状态快速评判的信号处理技术
来源期刊 农业装备与车辆工程 学科 工学
关键词 刀具破损 小波消噪 burg功率谱 最小二乘支持向量分类机
年,卷(期) 2017,(9) 所属期刊栏目
研究方向 页码范围 35-38,43
页数 5页 分类号 TN911.72
字数 2251字 语种 中文
DOI 10.3969/j.issn.1673-3142.2017.09.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周博 上海市上海理工大学机械工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (45)
共引文献  (13)
参考文献  (9)
节点文献
引证文献  (1)
同被引文献  (3)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(10)
  • 参考文献(0)
  • 二级参考文献(10)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2009(3)
  • 参考文献(2)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
刀具破损
小波消噪
burg功率谱
最小二乘支持向量分类机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业装备与车辆工程
月刊
1673-3142
37-1433/TH
大16开
济南市桑园路19号
1963
chi
出版文献量(篇)
5192
总下载数(次)
16
论文1v1指导