您的位置: 专家智库 > >

何超

作品数:4 被引量:13H指数:2
供职机构:沈阳航空航天大学更多>>
发文基金:辽宁省教育厅高校重点实验室项目更多>>
相关领域:自动化与计算机技术一般工业技术更多>>

文献类型

  • 3篇期刊文章
  • 1篇学位论文

领域

  • 3篇自动化与计算...
  • 1篇一般工业技术

主题

  • 3篇刀具
  • 2篇刀具磨损
  • 2篇支持向量
  • 2篇支持向量回归
  • 2篇支持向量回归...
  • 2篇声发射信号
  • 2篇向量
  • 1篇电流
  • 1篇电流信号
  • 1篇遗传算法
  • 1篇遗传算法优化
  • 1篇神经网
  • 1篇神经网络
  • 1篇特征值
  • 1篇主成分
  • 1篇主成分分析
  • 1篇微波
  • 1篇微波技术
  • 1篇微珠
  • 1篇吸波

机构

  • 4篇沈阳航空航天...

作者

  • 4篇何超
  • 2篇聂鹏
  • 1篇杨迪
  • 1篇李正强
  • 1篇李伟
  • 1篇许良
  • 1篇李强

传媒

  • 1篇现代制造工程
  • 1篇机床与液压
  • 1篇广州化工

年份

  • 1篇2017
  • 3篇2015
4 条 记 录,以下是 1-4
排序方式:
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
刀具磨损监测系统中特征值与VB值的映射关系研究
机械加工是制造业的重要组成部分,刀具是机械加工的直接执行者。刀具磨损量不仅直接影响到刀具的需求计划制定、刀具成本核算,还和工件的加工质量和加工精度息息相关。因此,研究刀具磨损量的预测技术具有很重要的现实意义。在实际刀具磨...
何超
关键词:声发射信号电流信号支持向量回归机
文献传递
基于微波技术制备rGO-Fe_3O_4/空心玻璃微珠吸波粒子
2017年
采用微波还原技术制备还原氧化石墨烯(rGO),将rGO和Fe_3O_4粒子通过化学共沉淀法覆盖在预先镀银的空心玻璃微珠(HGM)表面,考察该复合粒子的结构组成和吸波性能。X射线衍射分析(XRD)和透反射偏光显微镜观察表明,rGO及Fe_3O_4粒子成功地均匀包覆在HGM表面;玻璃微珠的中空结构能够明显减小复合粒子的密度。当r GO质量分数为20%时,该复合粒子具有较好的吸波效果。
王伟洁张一凡李强何超杨迪李伟
关键词:微波空心玻璃微珠吸波
共1页<1>
聚类工具0