您的位置： 专家智库 > >

吴文进

作品数：2 被引量：3H指数：1
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更多>>
相关领域：自动化与计算机技术航空宇航科学技术更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文

领域

  • 1篇自动化与计算...
  • 1篇航空宇航科学...

主题

  • 2篇刀具
  • 2篇刀具磨损
  • 2篇证据理论
  • 2篇神经网
  • 2篇神经网络
  • 2篇网络
  • 2篇BP神经
  • 2篇BP神经网
  • 2篇BP神经网络
  • 2篇D-S证据
  • 2篇D-S证据理...
  • 1篇声发射
  • 1篇小波
  • 1篇小波包
  • 1篇小波包分解
  • 1篇基于DSP技...
  • 1篇监测方法
  • 1篇DSP技术

机构

  • 2篇沈阳航空航天...

作者

  • 2篇吴文进
  • 1篇李正强
  • 1篇聂鹏
  • 1篇张大国

传媒

  • 1篇机床与液压

年份

  • 2篇2016
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
基于DSP技术的刀具磨损监测方法研究
航空零件的制造是航空领域一个重要的组成部分。加工刀具的质量直接影响着加工零件的质量和精度,过早或过迟的更换刀具都会对加工工艺过程和产品质量造成不小的损失。刀具在线监控技术是提高质量,降低成本的重要途径之一,具有一定的理论...
吴文进
关键词：刀具磨损声发射DSP技术BP神经网络D-S证据理论
文献传递
基于BP神经网络和D-S证据理论的刀具磨损监测方法被引量：3
2016年
将BP神经网络和D-S证据理论相结合的方法运用于刀具磨损监测中,采用小波包分解法对刀具磨损过程中产生的声发射信号进行特征提取,构建特征向量,利用BP神经网络识别判断刀具磨损状态;通过BP神经网络的输出结果和训练误差计算D-S证据理论的基本概率赋值,并用D-S证据理论对BP神经网络的识别结果进行决策级融合。实验结果表明:该方法避免了神经网络识别时的误诊,提高了整个刀具磨损监测系统识别的准确性和可靠性。
聂鹏吴文进李正强张大国
关键词：刀具磨损小波包分解神经网络D-S证据理论
全选 清除 导出
共1页<1>
聚类工具0