监视过程均值变化的残差控制图检测能力分析

对过程实施统计质量控制的基本假设前提是观测值彼此独立,但实际工作中经常出现过程的观测值存在自相关的现象.若自相关过程的残差满足独立同分布条件,对残差实施控制图监视是解决自相关过程控制的方法之一.应用检测能力指数和平均运行长度两种衡量指标,分析了自相关过程由时间序列模型AR(1)描述时,残差控制图对过程均值变化的检测能力.结果表明,残差EWMA(φ≤1-λ)控制图对过程均值小偏移较灵敏,当φ<0时,残差EWMA控制图对过程均值大偏移的检测能力略差于残差Shewhart控制图.     

基于似然比的指数加权滑动平均动态控制图

基于似然比的控制图是质量控制的一种常用方法,为进一步增强对中小漂移的检测敏感度,运用变化样本容量的动态控制图的思想计算警告线,设计了基于似然比的变化样本容量的指数加权滑动平均动态控制图,用于检测过程均值.通过R软件模拟过程开始受控和失控两种情况下平均运行长度,并与似然比控制图和基于似然比的指数加权滑动平均控制图比较,模...     

具有可变抽样区间的Poisson INAR(1)EWMA控制图

研究了监测带有泊松数的一阶取整数值自相关过程所用的指数加权滑动平均控制图,并对此控制图进行了可变抽样区间设计。利用马尔科夫链方法计算其平均报警时间,计算结果表明,在参数取值相同的情况下,VSI图的平均报警时间总是比FSI图小一些,即所设计的动态指数加权滑动平均控制图比固定抽样区间的控制图有更好的监控效果。     

FMS中刀具寿命可靠性及刀具磨损在线监视的研究

在全自动化生产系统中(如 FMS,CIMS),要求系统具有高度的可靠性,因而对刀具磨损的工况监视,就成为重要问题之一。本文从柔性制造系统的要求出发,阐明了刀具寿命可靠性和刀具磨损在线损监视的必要性,介绍了有关刀具磨损在线辨识的理论与方法,实验证明所提出的刀具磨损状态辨识的方法是适用的。     

刀具磨损图像视差图的非标定方法

刀具磨损检测的视场范围很小、现场工况复杂(存在机床护罩和刀具保持架的遮挡),而以往对摄像机进行标定的方法多用于大视场环境,并不适合于加工现场的刀具磨损检测。为此,文中提出一种采用非标定双目视觉方法获取刀具磨损图像视差图的方法,无需标定参考物和人工干预。首先,利用SURF(speeded-up robust features)算法检测图像对中的特征点;其次,利用8点算法计算基本矩阵,再利用极点无穷远变换完成图像对的校正;最后,利用基本区域匹配方法完成图像对视差的计算。进行了加工现场的磨损刀具图像获取实验,先对比了重构出的刀具视差图轮廓与实际轮廓,接着分析了刀具视差图的精度。结果显示,重构轮廓与实际轮廓基本相符,重构出的视差图的绝对误差在5个像素点以下,相对误差在10%至30%之间,说明在小视场和复杂工况下,用非标定方法获取的刀具视差图能够满足现场检测的精度要求,并且该方法具有灵活和高效的特点。     

刀具磨损的在线监测

在自动化加工中,为了保证加工系统工作的可靠性和产品质量,必须实现刀具磨损的在线监测。本文综述了现有的监测刀具磨损的方法,并对利用切削力、噪声发射、振动和电机功率的变化信号监测刀具磨损的方法作了较详细的介绍。     

用于监控的切削过程参数估计与刀具磨损特征选取

切削过程的故障诸如刀具磨损、颤振等均与过程的动态特征密切相关,为提供监控所必须的故障模式识别的特征值,本文介绍了适用于监控的切削过程连模与动态参数在线估计方法;刀具磨损特征值的计算;最后通过钻头磨损实验结果的分析、比较,证明了本文提出的用阻尼比的正则滑动平均值 M 以及阻尼比的正则方差 D 作特征值,可有效地监控刀具磨损.     

在线监测刀具磨损过程的频段相干函数法

基于切削过程中刀杆振动的动态特性,建立了借以反映刀具磨损的物理模型和数学模型,由此提出了通过检测刀杆上两主振模态方向上振动加速度信号的频段相干函数来在线监测车刀的磨损过程,并制定了相应的判别准则。试验结果表明,该法灵敏度较高,抗切削条件干扰性强,具有良好的应用前景。     

指数加权移动平均变异系数控制图的改进

为探究在实际生产中,历史数据权重对控制过程的影响,以及减小权重,仅影响控制图一部分偏移灵敏的情形,提出双平滑系数控制图(DRES控制图).新的控制图用两个单边统计量重置的指数加权移动平均变异系数控制图来监测向上或向下的偏移,即选取两个大小不同的平滑系数,对原有控制图进行改进,重新构造了控制限,使得对大小偏移都有很好的监测能力.研究结果表明:利用平均链长的对比,新的控制图在变异系数发生无论大偏移还是小偏移都相对灵敏.     

从摩擦学金属切削刀具磨损

本文应用摩擦学原理分析刀具磨损的特点、形式、原因和规律,并提出改善刀具磨损的途径。     

多变量过程监控的D控制图

针对如何将大数据技术与传统的多元控制图相结合,以获得一个具有自学习性的控制图的问题,以支持向量数据描述(SVDD)为构建基础,提出一个基于支持向量数据描述的D控制图.该D控制图通过对在控数据的学习,自适应地构建出自己的监控模型.仿真实验及工业实例表明:D控制图在多变量制造过程中的表现优于T²控制图,是一个理想的监控模型.     

支持向量机在刀具磨损多状态监测中的应用

基于多传感器信号、采用多分类支持向量机(support-vector-machine,SVM)实现了刀具监测的多状态辨识.通过对切削过程中的多向切削力和振动信号等多传感器信息进行分析,分别获得时域、频域和小波域的信息作为磨损分类特征;同时,运用基于一对多(one-versus-all,OVA)的多分类支持向量机对刀具不同磨损状态下的特征数据样本进行训练和识别.对切削过程中不同磨损状态的分类结果表明,多分类支持向量机具有出色的学习能力,能够实现在小样本情况下的不同磨损阶段分类,并具有较高的识别精度.     

自相关过程质量控制图的最优经济设计

正确设计质量控制图参数,对降低生产成本、保证产品质量具有重要意义 提出了基于控制图的ARL,并应用蒙特卡罗随机模拟进行控制图参数的最优经济设计方法 该方法也可以用于其他控制图的参数最优经济设计     

模糊控制图及其应用

给出了模糊控制图，克服了传统控制图的突变之缺点．应用实例表明ｐ图要比传统的ｐ图更灵敏．     

基于模糊神经网络的刀具磨损识别

为了实现刀具磨损状态的自动识别，采用机床功率法进行了刀具自然磨损和不同切削参数（切削速度、进给量和切削深度）对功率信号影响的实验。在此基础上，建立了功率信号的时序AR模型。在提取作为刀具磨损特征量的AR模型参数时，考虑了切削用量对模型参数的影响，提出了特征量选取的准则，使所提取的特征量更加实用化，通过具体自学习和良好函数逼近能力的神经网络获得了特征量对刀具状态的隶属函数，并利用模糊神经网Fuzzy ART实现了刀具磨损状态的自动识别，识别正确率为95%，说明所提出的方法是有效可行的。     

自动化加工中车刀磨损实时监测的新方法

提出了一种新的车刀磨损实时监测方法．归一化无量纲参数─—径切两向分力二次比Ｐ随车刀后刀面磨损ＶＢ的增加而增大，但不随刀具材料／工件材料、刀具几何角度及切削用量的改变而变化．利用Ｐ的这种特性可实现自动化加工中车刀磨损的实时监测．     

An Improved Multivariate T2 Control Chart for Individual Observations in Low Volume Manufacturing

For multivariate statistical process quality control with individual observations, the usually recom-mended procedure is HoteUing‘ s T^2 control chart. Using the T^2 statistic based on β distribution is an ex-act method for constructing multivariate control limits in low volume manufacturing, but it is not conve-nient in that the variation of sample size leads to a change in control limit. This paper presents an im-proved multivariate T^2 control chart whose control limit does not change with sample size, which is espe-cially useful when the samole size is small.     

控制图在选煤产品质量管理中的应用探讨

控制图作为一种统计技术工具在煤焦产品质量管理中有着广泛的应用前景结合煤焦产品质量管理的特点,对控制图的具体应用和常见问题进行了简要分析。     

车削氧化锆工程陶瓷中刀具几何参数对刀具磨损的影响

为研究刀具几何参数对车削可加工陶瓷的刀具磨损影响,以氧化锆工程陶瓷为加工对象,以刀具的体积磨损量作为刀具在不同几何参数下磨损程度的衡量标准,通过YG6刀具的外圆车削实验,研究了刀具前角、后角以及刀尖圆弧半径对刀具磨损的影响.实验结果表明:刀具的磨损形式主要是黏着磨损,并伴有部分磨粒磨损;刀具体积磨损量随前角变大,先缓慢...