您的位置： 专家智库 > >

辽宁省教育厅高校重点实验室项目(LS2010117)

作品数：15 被引量：100H指数：8
相关作者：聂鹏李正强关山张锴锋董慧更多>>
相关机构：沈阳航空航天大学沈阳飞机工业（集团）有限公司东北大学更多>>
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国家高技术研究发展计划更多>>
相关领域：自动化与计算机技术机械工程航空宇航科学技术金属学及工艺更多>>

文献类型

  • 15篇期刊文章
  • 1篇会议论文

领域

  • 10篇自动化与计算...
  • 3篇机械工程
  • 2篇金属学及工艺
  • 1篇航空宇航科学...

主题

  • 12篇刀具
  • 8篇刀具磨损
  • 5篇神经网
  • 5篇神经网络
  • 4篇支持向量
  • 3篇遗传算法
  • 3篇支持向量机
  • 3篇向量机
  • 3篇经验模态分解
  • 2篇刀具状态
  • 2篇电磁
  • 2篇电磁成形
  • 2篇电磁成形技术
  • 2篇电磁力
  • 2篇在线监测
  • 2篇声发射
  • 2篇受力
  • 2篇最小二乘
  • 2篇最小二乘支持...
  • 2篇网络

机构

  • 16篇沈阳航空航天...
  • 2篇沈阳飞机工业...
  • 1篇东北大学
  • 1篇东北电力大学
  • 1篇吉林大学
  • 1篇蓝星(北京)...

作者

  • 14篇聂鹏
  • 7篇李正强
  • 2篇张锴锋
  • 2篇关山
  • 2篇谌鑫
  • 2篇陈彦海
  • 2篇何超
  • 2篇高辉
  • 2篇董慧
  • 1篇徐涛
  • 1篇徐洪垚
  • 1篇袁惠群
  • 1篇王龙山
  • 1篇李海伟
  • 1篇郭勇
  • 1篇许良
  • 1篇吴文进
  • 1篇宋平
  • 1篇李波
  • 1篇孙宝林

传媒

  • 3篇机床与液压
  • 2篇北京工业大学...
  • 2篇北京航空航天...
  • 1篇机械工程师
  • 1篇现代制造工程
  • 1篇机械设计与制...
  • 1篇振动与冲击
  • 1篇北京理工大学...
  • 1篇航空精密制造...
  • 1篇传感器与微系...
  • 1篇沈阳航空航天...

年份

  • 1篇2022
  • 1篇2016
  • 4篇2015
  • 2篇2014
  • 2篇2013
  • 4篇2012
  • 2篇2011
共 15 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
基于卡尔曼滤波的小型无人机姿态估计算法研究被引量：9
2013年
构建了基于MEMS陀螺仪、加速度计及磁强计的姿态测量系统。研究了基于四元数的扩展卡尔曼滤波算法。通过四元数微分方程和陀螺噪声误差建立了卡尔曼状态方程,利用加速度计和磁强计的输出数据,采用梯度下降法计算出测量四元数。用从实际的惯性测量单元采集的数据对滤波器进行测试,结果证明航向角在通过卡尔曼滤波器后,有效的抑制了姿态角的发散,使得航向角姿态角误差小于3°,该算法能够实现小型无人机的高精度姿态解算。
聂鹏李佩华李正强郑旺宋平
关键词：扩展卡尔曼滤波姿态解算梯度下降法
局部均值分解在刀具故障诊断中的应用被引量：5
2012年
为有效监测刀具磨损状态,提出一种基于局部均值分解的刀具故障诊断方法.将声发射信号自适应地分解为一系列乘积函数,选取包含主要故障信息的前8个乘积函数分量,获得每个乘积函数分量的平均能量,并组成特征向量.分别提取正常切削、中期磨损和严重磨损三种状态下的特征向量,利用频带能量的变化识别刀具磨损特征.实验结果表明,随着刀具的磨损,各乘积函数分量平均能量增加,并且在高频部分增加显著,该方法可以有效应用在刀具故障诊断中.
聂鹏高辉陈彦海李正强董慧
关键词：局部均值分解刀具故障诊断声发射
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
基于粗糙集神经网络的刀具磨损监测的研究
2014年
针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型。该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的。然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点。将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性。
聂鹏郭勇李正强张锴锋陈彦海
关键词：粗糙集遗传算法神经网络
基于遗传算法优化SVM的刀具VB值预测的研究被引量：3
2015年
针对刀具磨损量的预测问题,建立了基于支持向量机回归理论的刀具VB值的在线预测模型。对声发射信号和电流信号分别进行EEMD分解和小波包分解得到的能量值,把它与主轴转速、进给量和背吃刀量一起组成初始特征向量。通过主成分分析进行数据处理,把得到主元作为遗传算法优化的支持向量回归机的输入向量。结果表明,该模型精度高,运行速度快。
聂鹏何超许良李正强崔凯奇
关键词：支持向量回归机遗传算法主成分分析
基于EMD与LS-SVM的刀具磨损识别方法被引量：16
2011年
针对刀具磨损声发射信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了基于经验模态分解和最小二乘支持向量机的刀具磨损状态识别方法.首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之和,然后分别对每一个固有模态函数进行自回归建模,最后提取每一个自回归模型的系数组成特征向量,特征向量被分为两组,一组用于对最小二乘支持向量机训练,另一组用于识别刀具磨损状态.试验结果表明:该方法能很好地识别刀具磨损状态,与BP神经网络相比具有更高的识别率.
关山王龙山聂鹏
关键词：最小二乘支持向量机经验模态分解自回归模型
EEMD方法在刀具磨损状态识别的应用被引量：10
2012年
总体经验模态分解(EEMD)方法在EMD的基础上消除了模态混叠的现象,从而更能准确地揭露出信号特征信息。根据声发射信号的非稳态、非线性的特点,提出一种基于EEMD应用于刀具磨损状态识别的方法。通过EEMD获取无模态混叠的IMF分量;通过敏感度评估算法从所有IMF分量中提取敏感的IMF;提取敏感IMF的能量作为支持向量机(SVM)分类器的输入,将刀具分成正常切削、中期磨损和严重磨损3种状态。通过比较EEMD与应用EMD等方法的分类准确率,确立了基于EEMD的方法在提取刀具磨损状态特征信息的优势。
聂鹏徐洪垚刘新宇李正强
关键词：刀具磨损经验模态分解支持向量机
基于电磁成形技术的线圈磁场及板材受力分析
电磁成形作为一种高能率高速度的金属成形方法,可提高金属的塑性变形能力,克服轻金属难成形性的障碍。以电磁平面螺旋线圈加工板材为研究对象,对平面螺旋线圈在电流激励下磁场强度的分布进行了分析。在此基础上,推导出了磁感应强度的计...
聂鹏孙圣朋
关键词：电磁成形平面螺旋线圈电磁力
文献传递
基于Elman神经网络的刀具磨损状态识别技术被引量：8
2015年
由于刀具磨损声发射信号的能量分布与刀具磨损状态密切相关,可以利用谐波小波包方法提取刀具磨损声发射信号的特征能量,对各频段能量做归一化处理,与切削三要素组成特征向量输入到Elman神经网络,通过神经网络判别刀具磨损状态。实验结果表明,刀具磨损产生的声发射信号频率主要集中在10Hz^130k Hz之间,将谐波小波包和Elman神经网络结合的方法可以有效地识别刀具磨损状态。
聂鹏崔凯奇何超
关键词：刀具磨损声发射信号谐波小波包神经网络
基于改进EMD和LS-SVM的刀具磨损状态识别被引量：8
2013年
针对经验模态分解(empirical mode decomposition,EMD)的端点效应、停止准则和虚假分量作了改进处理,通过对仿真信号的对比验证证明了改进方法的可行性.采集切削加工中的声发射(acoustic emission,AE)信号并对AE信号运用改进EMD方法分解为若干个固有模态函数(intrinsic mode function,IMF)分量,利用IMF分量和原始信号的相关系数作为判断依据,剔除分解中产生的虚假分量,然后提取IMF分量的归一化能量值并将其作为特征向量.将提取的特征向量分为2组:一组用于对最小二乘支持向量机(least squares support vector machine,LS-SVM)训练;另一组用于识别刀具磨损状态.实验结果表明该方法可有效地表征刀具的磨损状态.
聂鹏董慧李正强高辉李波
关键词：刀具磨损经验模态分解
全选 清除 导出
共2页<12>
聚类工具0