基于监测信号特征的批量钻削工序质量研究

›› 2010, Vol. 32 ›› Issue (5): 569-572.

• 自动化、计算机技术 • 下一篇

基于监测信号特征的批量钻削工序质量研究

周友行　董银松　张海华唐稳庄

湘潭大学机械工程学院，湘潭 411105

出版日期:2010-10-25 发布日期:2012-07-12

Online:2010-10-25 Published:2012-07-12

摘要/Abstract

摘要： 针对批量钻削工序质量的快速监测和分析问题，利用批量钻削加工过程主轴功率信号和声信号的时域统计特征和频域能量特征构造了批量工序钻削过程特征矩阵。应用Ｋ均值聚类技术从时域统计、频域能量和时频域综合特征三个角度依据钻孔本身的质量特征对钻孔进行分类，分析批量工序过程特征分布状况，间接反映批量钻削工序质量。对比人工质量检测结果，分析批量钻削过程监控信号时频域特征矩阵聚类纯净度，结果显示其工序质量分布状况检测准确率高达94.19％。

关键词: 批量钻削工序, 工序质量, 监测信号, 特征矩阵, 聚类分析

周友行　董银松　张海华唐稳庄. 基于监测信号特征的批量钻削工序质量研究[J]. , 2010, 32(5): 569-572.

[1]	李建辉. 科技活动的综合发展水平测度与分析[J]. , 2019, 41(3): 317-327.
[2]	谢玲顾新肖进. 四川省创新型城市竞争力集成评价及结构解析[J]. , 2017, 39(4): 380-385.
[3]	贾颖颖郭鹏吴雨佳. 基于Theil-TOPSIS的我国区域创新网络评价分析[J]. , 2017, 39(3): 309-315.
[4]	翟晓丽齐庆杰赵晓亮. 饮用水源水质评价的模糊聚类模型的研究[J]. , 2012, 34(4): 582-584.
[5]	王景亮陈静罗振东. 一种基于聚类分析的数值积分新算法[J]. , 2012, 34(1): 89-92.
[6]	张永库. 一种结构自适应的聚类神经网络[J]. , 2009, 31(6): 1053-1054.
[7]	关昕柴瑞敏. 模糊联想记忆规则提取的聚类方法[J]. , 2009, 31(4): 621-623, 662.

基于监测信号特征的批量钻削工序质量研究

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

相关文章 7

编辑推荐