为监测刀具的磨损状态,该文建立了一个基于声发射的刀具磨损状态监测系统。在刀具磨损状态监测实验中,采集加工过程中的声发射信号,提取方根幅值、绝对值均值、均方根、最大值作为反映刀具磨损的时域特征值。针对人工神经网络容易陷入局部极小值、结构难以确定、学习收敛速度慢等缺点,提出最小二乘支持向量机(least square support vector machine,LS-SVM)的刀具磨损状态识别方法。针对LS-SVM性能依赖于惩罚因子和核参数,利用粒子群优化(particle swarm optimizati

针对制造类课程实验环节观摩多、分析少等问题,利用科研项目实验设施,设计了基于切屑监测刀具磨损状态的实验。此实验利用切屑与刀具磨损随时间变化的匹配关系,通过观测不停机获得的切屑形态变化来监测和预测需要停机获得的刀具磨损的状态,为加工制造中刀具的状态监测提供了新的思路。丰富了制造类课程实验内容,开阔了学生的思路,同时通过实验提高了学生的分析能力和观察能力。

【目的】为解决木质家具生产过程中木工刀具磨损造成的加工质量下降和生产成本升高的问题,需要对生产过程中的木工刀具磨损状态进行精确监测。【方法】提出了一种基于离散小波变换与遗传BP神经网络的木工刀具磨损状态监测方法。通过接入机床控制箱的功率传感器采集不同主轴转速、铣削深度和刀具磨损状态下的机床主轴功率信号,使用离散小波变换提取主轴功率信号的近似系数,将所提取的近似系数、主轴转速、铣削深度作为输入向量,刀具磨损作为输出向量,建立样本数据集,并将样本数据集输入BP神经网络中进行木工刀具磨损状态监测模型训练,同时使用遗传算法对BP神经网络的阈值和权值进行优化,实现对不同铣削条件下的木工刀具磨损状态进行精确监测。【结果】离散小波变换所提取主轴信号的近似系数能明显反映木工刀具磨损状态变化;在使用相同的样本数据集与遗传算法参数时,使用遗传BP神经网络所建立的木工刀具磨损状态监测模型的准确度可以达到100%,优于使用遗传概率神经网络建立监测模型的准确度。【结论】即使在样本数据集选取不佳时,本研究提出的监测方法仍然能对不同铣削条件下的木工刀具磨损状态进行精准监测,可以用于木质家具实际生产,达到提高木质家具加工质量、降低生产成本的目的。

通过分析切削过程刀具产生的振动信号的特点,引入自回归(AR)模型来表征刀具切削过程的工作状态;并利用隐Markov模型(HMM)对经AR模型处理后得到的特征向量(AR系数)和由FFT得到的特征向量(幅值谱)进行比较.结果表明:对于切削过程产生的振动信号采用AR模型得到的特征参数比由FFT得到的幅值谱更能有效地表征这一过程中刀具的工作状态.

刀具磨损是影响数控机床加工质量和加工效率的重要因素之一。针对现有铣刀磨损预测中信号单一和预测精度不足的问题，提出了一种基于注意力机制的堆叠LSTM (long short-term memory，长短期记忆网络)的多传感器信息融合刀具磨损预测方法。对多传感器信号进行预处理，然后提取多域特征，利用核主成分分析法对其进行特征级信息融合，得到后续网络的输入。采用基于注意力机制的堆叠LSTM网络模型，使得网络能够自适应地学习数据的重要信息，在PHM2010的数据集上预测精度达到99.9%。通过与其他算法的对比试验和加入人工噪声的方法，验证了本文所提出的模型的高精度和鲁棒性。

针对饰面刨花板铣削过程中铣削表面质量低及刀具磨损过快的特点,本文采用CrN涂层硬质合金刀具对饰面刨花板进行了低高速铣削试验。对切削过程中的铣削表面质量及刀具磨损形态和磨损原因进行了分析研究。试验结果表明:低速切削条件下,饰面刨花板铣削表面极易产生毛刺和凹坑;高速切削条件有助于降低饰面刨花板铣削表面粗糙度和提高表面质量;低速切削条件下,CrN涂层硬质合金刀具的磨损主要是在后刀面切削刃口处出现了微小的崩刃,磨损原因为磨料磨损;高速切削条件下,CrN涂层硬质合金刀具的磨损主要是在后刀面切削刃口处,表现为涂层剥落和基体磨损,这种涂层的早期剥落及基体磨损造成了涂层刀具早期失效。因此,可以认为高速切削虽然大幅度提高了饰面刨花板铣削效率和表面质量,但是也同时加快了CrN涂层刀具的早期失效。

In this paper, a new method based on LS-SVM (Least Squares Support Vector Machines) is presented to deal with credit assessment in commercial banks for solving the problem of inadequate samples of the financial data,which usually happended in most banks in China.On the basis of SLT(Statistical Learning Theory),this approach with methodology of SRM (Structural Risk Minimization)will overcome the shortcomings of traditional credit assessment models,such as over fitting and local optimization,and,by using kernel functions in model,it will effectively solve the problems of linear inseparability and selecting parameters of model.The approach has some good properties including a generalization ability and global optimization in terms of sample processing.It is a new way for the credit assessment on the condition of small samples from bank data.The feasibility,effectiveness and practicability of presented approach was verified by experiments.

指出利用图像识别的技术对配送货物的编号进行识别是一种有效的方法,它不仅实现简单,而且成本较低,是一种能够实现RFID功能的低成本方法,并将最小二乘支撑向量机(Least Square Support Vector Machine,LSSVM)用于货物的编号自动识别。通过实验验证了其有效性。

文章介绍了最小二乘支持向量机及遗传算法的原理,利用遗传算法优化参数后的最小二乘支持向量机建立四川省天然气消费量的时间序列预测模型。并利用两个性能指标将其与BP神经网络模型进行了对比,结果表明,在样本有限保证一定精度的情况下,遗传算法优化参数后的最小二乘支持向量机模型的范化能力较强,能够利用该模型对四川省天然气消费量进行预测,并在最后利用该模型预测2007~2009年四川省天然气消费量。

选择黄棕壤为土壤类型,观察螺旋刀具对土壤的破坏过程,建立了螺旋刀具的实体模型和MAT147(MAT_FHWA_SOIL)的土壤材料模型;借助有限元ANSYS/LS_DYNA(显式非线性动力分析有限元软件)模块,构建了螺旋刀具切削土壤的有限元模型,并进行螺旋刀具切削土壤过程的三维动力学仿真,得出了开沟机螺旋刀具切削土壤功耗的大小和螺旋叶片的等效应力(von Mises stress)的变化规律及其力学特性。

文章针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用模拟退火算法(SA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用。用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的。

设备在使用过程中要逐渐发生磨损,这种磨损可分为两种形式,即有形磨损与无形磨损。设备在使用中在力的作用下,各部分发生摩擦、振动,疲劳等现象、致使设备的实体产生磨损,这种磨损叫第Ⅰ种有形磨损。设备在闲置中,由于自然力的作用而生锈,由于管理不善而丧失精度和工作能力,也都会使设备遭到有形磨损,这种磨损叫第Ⅱ种有形磨损。设备在使用过程中,除遭受有形磨损之外,还有无形磨损,无形磨损亦分两种形式。由于相同结构设备再生产价值的降低,而产生的原有设备的贬值叫第1种无形磨损;由于不断出现性能更完善,效率更高的设备而使原有设备

受到季节性、外部冲击和经济周期等因素作用的景区客流波动幅度大,其预测一直是旅游学研究中的难题,尤其是中长期预测。文章采用当前使用极为广泛的最小二乘支持向量机方法(least squares support vector machines,LS-SVM)对黄山风景区客流月度数据(1987年1月～2010年12月)进行了2年时间尺度的预测,结果表明:采用LS-SVM方法进行景区客流中期预测,其预测的各项性能指标均明显优于BP神经网络(Back Propagation Neural Network)、X-12-

统计学里的预测问题主要是通过对已知数据的分析,找到输入输出数据内在的相互依赖关系,从而获得对未知数据的预测能力。文章采用遗传算法对模型参数进行优化,构建了基于LS-SVM的经济发展水平预测模型;并对湖北省经济发展水平进行了预测。预测结果表明:相对于BP神经网络预测模型,LS-SVM预测模型有更好的学习能力和预测能力。