您的位置： 专家智库 > >

谌鑫

作品数：5 被引量：30H指数：3
供职机构：沈阳航空航天大学机电工程学院更多>>
发文基金：辽宁省教育厅高校重点实验室项目沈阳市人才资源开发专项资金更多>>
相关领域：自动化与计算机技术金属学及工艺更多>>

合作作者

文献类型

  • 4篇期刊文章
  • 1篇学位论文

领域

  • 5篇自动化与计算...
  • 1篇金属学及工艺

主题

  • 4篇刀具
  • 3篇神经网
  • 3篇神经网络
  • 2篇声发射
  • 2篇主元
  • 2篇主元分析
  • 2篇网络
  • 2篇小波
  • 1篇刀具磨损
  • 1篇刀具状态
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇声发射信号
  • 1篇数控
  • 1篇数控刀具
  • 1篇人工神经
  • 1篇人工神经网络
  • 1篇最小二乘
  • 1篇最小二乘支持...
  • 1篇向量机

机构

  • 4篇沈阳航空航天...
  • 1篇沈阳航空工业...
  • 1篇沈阳飞机工业...

作者

  • 5篇谌鑫
  • 4篇聂鹏
  • 1篇张锴锋
  • 1篇徐涛
  • 1篇林士龙
  • 1篇王东磊
  • 1篇孙宝林

传媒

  • 2篇北京航空航天...
  • 1篇北京工业大学...
  • 1篇测控技术

年份

  • 1篇2012
  • 3篇2011
  • 1篇2009
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
基于最小二乘支持向量机对刀具切削状态的识别被引量：2
2012年
基于小波包优良的时频特性和最小二乘支持向量机(least squares support vector machine,LS-SVM)对于小样本出色的学习泛化能力,提出了一种研究刀具切削状态的方法.采用最小熵准则对声发射信号进行最佳小波包分解,以各频段的信号能量占总能量的百分比来构造特征向量,输入LS-SVM多类分类器,实现对刀具切削状态的分类识别.实验结果表明,在采用高斯核函数的LS-SVM多分类算法中,选取惩罚因子γ=10,径向基核参数σ2=1时,该分类器能对测试样本进行准确的刀具切削状态识别.
聂鹏谌鑫
关键词：刀具状态声发射小波包分析最小二乘支持向量机模式识别
基于人工神经网络对刀具磨损状态监测技术研究
机械加工中刀具的磨损状态不仅直接影响工件的加工精度和表面质量，还影响到工件的加工成本和生产效率等等。如何实现刀具磨损状态的实时监测已成为机械加工中的关键技术之一，因此对刀具磨损状态监测技术研究具有重要的理论意义及实用价值...
谌鑫
关键词：声发射信号主元分析人工神经网络
小波分析在数控刀具磨损状态监测中的应用被引量：2
2009年
研究了数控刀具切削过程中声发射(AE)信号的产生机理和特点,提出了利用小波分解和小波包分解技术提取AE信号特征参数的方法监测刀具的磨损状态,并通过实例验证了该方法在刀具磨损监测中的可行性。
张锴锋聂鹏王东磊林士龙谌鑫
关键词：小波分析数控刀具磨损声发射
基于小波神经网络的航空刀具磨损状态识别被引量：11
2011年
针对航空零件的加工特点,采集刀具在不同磨损状态下的声发射(AE,Acoustic Emission)信号,对AE信号进行时频分析和小波变换,运用快速傅里叶变换(FFT,Fast Fourier Transform)以及db8小波5层分解,提取AE信号幅值的均方根和主能量频段的能量作为特征向量,对特征向量进行归一化处理后作为输入向量对小波神经网络进行训练.小波神经网络运用参数调整算法,在权值和阈值的修正中加入动量项.测试结果表明:AE信号对刀具磨损敏感的频率范围在10～150kHz,网络实际输出与期望结果的误差小于0.03,该方法能够对刀具不同磨损状态进行正确的识别。
聂鹏谌鑫徐涛孙宝林
关键词：刀具磨损小波神经网络
基于主元分析和BP神经网络对刀具VB值预测被引量：13
2011年
对声发射信号进行5层小波分解提取6个频段的能量值,把它与切削速度、切削深度、进给量和切削时间一起作为刀具状态的特征向量.通过主元分析进行降维、消除特征向量间的相关性后,把得到的主元作为BP(Back Propagation)神经网络的输入向量.BP神经网络应用改进的LM(Levenberg-Marquart)算法进行学习,利用输入向量对网络进行训练后,实现对刀具后刀面磨损量VB的预测.实验结果显示:基于主元分析和LM算法改进的BP神经网络建立的预测系统,网络输出与实测VB值的误差0.03以内;根据预测VB值的范围可判别出刀具的不同状态.
聂鹏谌鑫
关键词：主元分析LM算法BP神经网络
全选 清除 导出
共1页<1>
聚类工具0