WAVELET PACKET AND FUZZY NEURAL NETWORK FOR TOOL CONDITION MONITORING *

在自动化制造中,线监控刀具状况以保护刀具与加工工件显得越来越重要．近年来,许多研究者在此领域进行了广泛的研究,然而由于加工过程的不确定性,现有的刀具监控系统的可靠性还有待提高．本文提出了一种基于小波包分析与模糊神经网络的自适应刀具监控系统,该系统利用小波包分析方法将加工过程振动信号分解为不同的频率段,并在此基础上,建立了自适应特征提取方法,为模糊神经网络提供最优的特征输入,然后模糊神经网络据此进行决策,分析刀具磨损状况．实验结果表明：该系统模糊神经网络能有效通过学习人类模糊知识和在线学习样本来提高刀具监控精度．     

展望新世纪的制造技术

探讨了新世纪先进制造技术的发展趋势，指出：精密化、微型化、柔性化、智能化、集成化、网络化、全球化将是未来制造技术的必然发展方向。     

递阶FMC控制系统

提出FMC控制系统划分成组织级、过程控制级和执行级，文中分别论述了各层次的功能、生产计划算法、调度决策支持系统、动态调度控制和监控等问题，所提出的递阶FMC控制系统设计思想和实现方法已用于实际的FMC控制系统设计中，取得满意的效果。     

基于神经网络的FMS动态调度决策

提出用ＢＰ神经网络建立ＦＭＳ动态调度模块．以ＦＭＳ的生产状态和多优化目标作为神经网络的输入,多优化目标条件下的动态调度策略作为网络的输出．给出了系统的设计方法与实例,并通过仿真验证了神经网络所作出的动态调度策略是较优的．     

大型矩阵奇异值分解的多次分割双向收缩快速QR算法

针对传统QR算法在处理某些大矩阵的奇异值分解时可能不收敛的本质原因,提出采用双向收缩、多次分割的解决对策。研究了在一般矩阵数值计算文献中被忽视的、然而对奇异值分解精度有重要影响的细节如从左至右、从下至上的非零元素直线驱逐算法,提出了矩阵分割时子阵首、末行搜索算法,在这些基础上实现了完整的针对大型矩阵奇异值分解的多次分割、双向收缩QR算法。通过实例比较和分析了不分割与多次分割双向收缩QR算法的收敛速度的差异,证实了多次分割双向收缩QR算法具有迭代次数少、迭代过程无停滞、收敛迅速等优点,解决了传统QR算法处理某些大矩阵的SVD时可能不收敛的问题,对任何大矩阵都可实现快速SVD运算。     

机器故障诊断模糊分类规则的归纳学习

机器状态的有效监控是机器安全运行,提高系统生产效率的重要途径,由于环境的复杂性与不确定性,现有机器故障诊断系统的可靠性还不能满足应用要求,为此近来年发展了模糊诊断技术,对于模糊系统而言,其关键问题在于如何获得解决具体问题的模糊知识或规则,为此提出了一种被称为模糊归纳学习的学习方法,并利用模糊信息熵概念建立了从不确定信息数据中归纳模糊规则的学习准则,实验结果表明,利用所提出的模糊归纳学习方法所获得的模糊规则能不确定怀数据进行有效分类,从而能有效地提高机器故障诊断系统的与可靠性。     

数控机床伺服系统的工作性能比较

用于数控机床的伺服系统,按其信号传送方式分为开环系统和闭环系统两大类.由于闭环系统具有很多优点,已为国外的数控机床及其他自动机械(如工业机器人)广泛采用,而国内的数控机床则仍以开环为主.本文通过对两种系统工作性能的分析比较,推荐闭环系统的好处.由于闭环数字伺服系统大都带有"整量化"过程,给对它的运动分析带来困难,至今未有完整的分析方法.本文作者对这这种系统的恒速跟踪过程提出一种图解分析法,利用这种方法可对跟踪的动态和稳态过程得到较直观的了解,为证明闭环系统加工质量优于开环系统提供有力的论据.     

铣削过程的约束型智能控制研究

本文通过设计并实现一个铣削力模糊自适应控制系统ＦＡＣ探讨了铣削过程的约束型智能控制问题。联机运行结果表明：ＦＡＣ系统可行，在线智能控制铣削力的效果较满意，通过在线调节工作台进给速度来智能控制铣削力可以实现粗加工阶段的生产率最大化。     

加工过程的不确定性信息度量

加工过程存在着模型不确定性、参数不确定性和测量不确定性等不确定性信息。这些不确定性信息或是随机性的、或是模糊性的、或是复合不确定性，可分别用概率熵、模糊熵和混合熵来度量。研究加工过程的不确定性信息及其测度，对研究基于信息优化的加工过程智能控制有重要意义。     

基于铣床动态特性辨识的轨迹前馈预见补偿器

常规数控系统的伺服控制中,当速度矢量变化较大时会产生大的轨迹跟踪误差。本文应用Ｍ序列信号,最小二乘法和ＡＲＸ模型结构辨识出整个闭环系统的传递函数,在轨迹控制器的前面加上带预见控制的前馈补偿器,以使数控轨迹控制器在不同的频率段具有相同的增益,消除由延迟带来的相位差,从而可减小轨迹跟踪误差,实验表明其性能较为理想。