版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、針對批量工藝參數(shù)一致鉆孔的質(zhì)量檢測問題,本文通過聲發(fā)射傳感器和霍爾功率傳感器采集鉆削加工過程中的聲發(fā)射信號和主軸功率信號,從時(shí)域和頻域兩個(gè)方面提取監(jiān)測信號的特征,構(gòu)建特征向量,依據(jù)各個(gè)特征對鉆削過程特性的反映程度大小對其分配權(quán)重,使用增量聚類分析方法對鉆孔依據(jù)其自身的質(zhì)量特性進(jìn)行分類,從而間接分析批量鉆孔質(zhì)量的分布特性及其發(fā)展趨勢,為鉆孔質(zhì)量的人工抽檢提供理論指導(dǎo)。本文具體以下面三個(gè)主要內(nèi)容進(jìn)行探討。
1、特征提取。聲發(fā)射傳感
2、器和霍爾功率傳感器采集到的鉆削過程信號是時(shí)域信號,采樣點(diǎn)過多,數(shù)據(jù)量過大,直接對其分析較為困難。因此本文提取原始監(jiān)測信號的時(shí)域和頻域特征,使用這些特征來表征原信號。為每一組鉆削信號構(gòu)建一個(gè)特征向量,這些特征向量組成一個(gè)數(shù)據(jù)庫,用于后續(xù)分析。
2、權(quán)重分配。從鉆削監(jiān)測信號中提取出來的特征可以反映鉆削加工過程特性,但不同特征的這種反映的程度不同,而且這對后續(xù)的增量聚類分析會有很大影響,因此要依據(jù)各個(gè)特征對鉆削加工過程特性的反映程度
3、對其分配權(quán)重。本文使用層次分析法(AHP)作為權(quán)重分配的工具,并結(jié)合遺傳算法(GAs)使層次分析法中的判斷矩陣元素取值更為客觀合理且不會出現(xiàn)邏輯錯(cuò)誤。
3、增量聚類分析。經(jīng)過特征提取和權(quán)重分配后,每一組鉆削監(jiān)測信號都對應(yīng)一個(gè)加權(quán)特征向量,以此作為數(shù)據(jù)對象,使用聚類分析方法對鉆孔依據(jù)其自身的質(zhì)量特性進(jìn)行分類。由于聚類分析面對的加權(quán)特征向量數(shù)據(jù)庫是一個(gè)不斷在變化的數(shù)據(jù)庫,本文研究了三種增量聚類算法:基于密度的InDBSCAN、基于
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多傳感器信號瞬態(tài)特征的批量鉆削工序質(zhì)量研究.pdf
- 基于簇特征的文本增量聚類研究.pdf
- 面向批量鉆削工序質(zhì)量檢測的多維信號聚類分析.pdf
- 基于特征加權(quán)的半監(jiān)督文本聚類研究.pdf
- 基于增量聚類和ReliefF的特征選擇方法.pdf
- 基于加權(quán)的增量式多中心點(diǎn)大數(shù)據(jù)聚類算法研究.pdf
- 基于聚類的增量數(shù)據(jù)挖掘研究.pdf
- 樣本和特征加權(quán)的模糊聚類算法研究.pdf
- 基于樣本-特征加權(quán)的模糊核聚類算法研究及應(yīng)用.pdf
- 基于監(jiān)測信號小波及雙譜特征變化的孔系鉆削質(zhì)量一致性檢測.pdf
- 基于特征加權(quán)帶聚類中心分離的模糊聚類分析.pdf
- 特征加權(quán)的廣義熵模糊聚類方法研究.pdf
- 基于增量聚類的新聞話題發(fā)現(xiàn)研究.pdf
- 基于Fisher線性判別率的特征加權(quán)聚類算法的研究與應(yīng)用.pdf
- 基于模糊聚類的增量式挖掘算法研究.pdf
- 基于鉆削力和噪聲信號的HMM鉆頭磨損監(jiān)測技術(shù)研究.pdf
- 基于廣義熵的加權(quán)模糊聚類算法研究.pdf
- 基于多核學(xué)習(xí)的多視圖增量聚類模型研究.pdf
- 鉆削工況在線監(jiān)測研究.pdf
- 基于類心和特征加權(quán)的特征選擇.pdf
評論
0/150
提交評論