| 基于CNN和WSVDD的深孔镗削加工过程状态评估与监测 |
| |
| 引用本文： | 李欣欣,周学良,鲍武.基于CNN和WSVDD的深孔镗削加工过程状态评估与监测[J].湖北汽车工业学院学报,2019,33(2):40-46. |
| |
| 作者姓名： | 李欣欣 周学良 鲍武 |
| |
| 作者单位： | 湖北汽车工业学院 机械工程学院,湖北 十堰,442002;湖北汽车工业学院 机械工程学院,湖北 十堰,442002;湖北汽车工业学院 机械工程学院,湖北 十堰,442002 |
| |
| 基金项目： | 湖北省自然科学基金;湖北汽车工业学院博士科研启动基金;湖北汽车工业学院研究生创新基金 |
| |
| 摘 要： | 针对深孔镗削加工过程中易出现颤振以及传统监测方法监测效率低的问题,提出了一种将深度卷积神经网络和加权支持向量数据描述法相结合的深孔镗削加工过程颤振评估与监测方法。首先基于深度卷积神经网络提取加工过程状态内振动信号的特征矢量,然后以正常加工状态下的特征矢量训练加权支持向量数据描述模型,得到相应的描述加工正常状态下的超球体模型,再计算当前加工过程状态特征矢量与超球体之间的相对距离,作为加工过程状态的评估指标,并对稳定度阈值进行设定。结果表明:与文献中其他方法相比,文中方法的监测能力更强,对加工过程状态的稳定度描述更加准确。
|
| 关 键 词： | 深孔镗削 颤振监测 深度卷积神经网络 加权支持向量数据描述 |
Condition Assessment and Monitoring for Deep-hole Boring Process Based on CNN and WSVDD |
| |
| Li Xinxin,Zhou Xueliang,Bao Wu.Condition Assessment and Monitoring for Deep-hole Boring Process Based on CNN and WSVDD[J].Journal of Hubei Automotive Industries Institute,2019,33(2):40-46. |
| |
| Authors: | Li Xinxin Zhou Xueliang Bao Wu |
| |
| Institution: | (School of Mechanical Engineering,Hubei University of Automotive Technology,Shiyan 442002,China) |
| |
| Abstract: | Li Xinxin;Zhou Xueliang;Bao Wu(School of Mechanical Engineering,Hubei University of Automotive Technology,Shiyan 442002,China) |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
