用于监测刀具磨损的声发射(AE)特征优选方法

研究合理选择声发射信号特征以实现实时监测刀具磨损量。利用模糊聚类特征优选方法对声发射传感器特征信息进行优选,并在此基础上给出了模糊聚类优声发射特征的一般结论。给出了声发射信号的模糊聚类优选方法的优选特征,并在实时检测刀具磨损量的实验中得到验证。实验表明,利用模糊聚类特征优选方法能有效地对刀具磨损监测中的声发射特征进行了优选。     

慢性乙型肝炎肝纤维化程度的模糊聚类分析

在中日友好医院临床及病理确诊的45例慢性乙型肝炎病例中，随机抽取9例通过血清肝纤维化指标进行基于等价矩阵的模糊聚类，判定肝纤维化程度。并按2000年全国传染病防治方案制定的慢性乙型肝炎病理诊断标准进行纤维化分期。模糊聚类结果与肝穿病理纤维化程度基本一致。依此建立慢性乙型肝炎纤维化预报模型，采用3例待预报样本进行验证，证实本模型利用无损伤的方法对判定肝纤维化程度具有一定的实用性。     

铝电解槽极距在线可视化系统的开发与应用

针对铝电解槽极距难以在线测量的特点,将模糊C聚类和多神经网络引入极距软测量模型中,提出一种基于模糊C聚类和多神经网络的铝电解槽实时极距软测量模型。对大量的样本进行模糊C聚类得到优化样本;利用多神经网络对这些样本进行训练得到极距软测量模型;讨论极距软测量模型中辅助变量的确定及其在线获取的方法。在此基础上开发了铝电解槽实时极距在线可视化系统,并在中铝公司广西分公司320 kA系列预焙铝电解槽上进行了安装和调试,系统试运行10个月后,结果表明:造成电解槽不稳定的因素有单振源、多因素耦合和外界扰动;可通过调整单个阳极来消除单振源,提升阳极母线来消除多因素耦合,提高换极和出铝的操作质量来减少外界扰动。     

煤炭自燃早期预报的模糊聚类关联分析法

针对煤炭自燃危险程度的模糊聚类分析预报法存在的不确定性，提出用关联分析法对其进行补充、修正与完善。即用模糊聚类分析法分类后，用关联分析法求待预报样本与各类之间的关联度，根据相关程度预报，将两种方法组合成模糊聚类关联分析预报法。用该法对煤炭自燃早期预测预报，不仅克服了模糊聚类单一分析预报法的不足，使定性预报转为定量预报，而且提高了预报的准确程度，为有针对性的控制煤炭自燃提供了更科学的依据。     

煤与瓦斯突出预报的模糊聚类关联分析法

首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类，建立不同突出程度的模糊模式。然后用关联分析确定待预报样本与模式的关联程度，以此预测预报样本的煤与瓦斯突出危险程度。这种预报方法相对于模糊聚类分类后，将模式与待预报样本组成新的样本集合，再进行聚类分析，以此分类结果进行预报法。不仅可靠程度高，而且能定量描述待报样本与模式的亲和程度。     

一种以秩和为因子的模糊聚类预报法

本文首先以秩和为因子并用模糊聚类的方法对历史样本进行分类，进而提出把样本与模糊子集对应的法则并用模糊贴近原理作出预报。其效果比文［１］有明显的提高。     

一种柴油机燃油系统故障诊断的新方法

提出一种基于小波变换和模糊C-均值聚类分析的柴油机燃油系统故障诊断方法.对测得的柴油机高压油管压力波形进行小波变换,提取了反映故障状态的5个特征参数.给出了模糊C-均值聚类算法的原理及一般步骤,指出用划分系数、划分熵和分离系数可以评价模糊聚类的有效性.利用模糊C-均值聚类算法建立标准故障特征模式,通过待识样本与标准模式的贴近度计算和比较,可以完成故障模式的模式识别.该方法应用于柴油机燃油系统的典型故障诊断中,测试表明采用小波分析和模糊C-均值聚类分析后,提高了判别故障的准确性.     

基于FCM和FSVM的说话人辨认

针对经典支持向量机对非目标样本没有拒绝能力,且应用于说话人辨认时存在不可分区域的问题,提出一种基于模糊C均值聚类和模糊支持向量机的多级模糊说话人辨认方法。首先利用模糊C均值聚类方法对特征向量进行聚类,减少样本的数目,加快模糊支持向量机训练速度。最终由FSVM得出判决结果。并通过仿真实验验证了该方法的有效性。     

基于改进模糊C均值聚类与Otsu的图像分割方法

针对背景与前景颜色差别较小的原木图像分割效果不理想的情况,本文给出了模糊C均值聚类与Otsu相结合的图像分割方法。该方法首先以标准原木数据库为样本,之后使用模糊C均值聚类算法把背景与前景颜色差别较小的原木样本图像分割成2类,其次利用准则函数找出前景分割结果,最后把该结果作为Otsu算法的输入,对原木样本图像进行再次分割。实验结果表明,本文研究的算法比单独使用模糊C均值聚类算法、Otsu和同类算法有较好的分割效果和较高的分割准确率,边缘信息保留较好,平均分割准确率提高2个百分点。     

基于化工过程预报的模糊聚类神经网络系统

为了解决化工预报过程中的复杂问题，利用神经网络、模糊系统和演化算法等智能控制理论，提出了模糊聚类神经网络系统模型（FCNNS）。该模型的特点是利用模糊聚类算法提取典型数据，然后将典型数据送入神经网络系统进行学习产生模糊规则。该模型缩短了规则生成的时间，有效地防止了规则数爆炸，并在化工过程预报的应用中获得理想效果。     

基于自适应小波基的刀具磨损检测

通过刀具磨损特征向量的定义和提取,建立了奇异性指数和刀具磨损的对应关系,并利用小波变换对切削力信号进行分析,实现了刀具的磨损检测。     

切削摩擦学特点与切削工具损伤分类及术语探

切削加工、切削运动广义地说也属于摩擦学的范畴。这里论述了切削摩擦学的特点以及它与一般摩擦学的不同。切削工具损伤的原因多种多样，发生部位、损伤形态也各不相同。通过对EPMA分析实验，指出了粘接熔接不但是切削工具磨损的原因之一，而且也是脆性损伤的一个重要原因。进而归纳、分析了以上诸方面，并对切削工具的损伤进行了分类。希望引起学术界、工程界的讨论及指正，以便今后制订相应的标准。为避免、延缓损伤，提高切削工具寿命，这里对各种损伤的一般对策作了提示。     

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。     

基于广义维数与优化BP神经网络的刀具磨损量预测

根据多重分形理论,采用改进的盒计数法计算了切削加工过程中声发射(AE)信号的广义分形维数,得到了不同刀具磨损状态下AE信号的广义维数谱,分析了广义维数与刀具磨损量之间的关系.以广义分形维数以及切削加工参数为特征,进行归一化处理后作为BP神经网络输入向量;采用遗传学算法,对BP神经网络的初始权值和阈值进行了优化,利用优化后的神经网络对刀具磨损量进行预测.测试结果表明,该方法可以较精确地预测刀具磨损量,平均预测误差为001mm.     

刀具磨损声振特性的功率谱分析

对车削加工中刀具磨损的切削声信号和振动信号进行了功率谱多参数分析，在诸多影响参数中，滤波功率谱值之和随刀具磨损量ＶＢ的变化规律最为显著，且谱散度分析对处于正常磨损阶段的刀具磨损程度估计与预报有一定价值。     

基于可靠性的GH4169车削参数优化

为了保证刀具寿命的同时尽可能地提高加工效率,对切削参数进行优化至关重要.因此,建立了车削过程中的刀具磨损模型,可用于预测多种切削条件下任意时刻的刀具磨损量,从而推导出刀具寿命模型.考虑不确定性参数对车削加工的影响,建立了基于可靠性的车削优化模型,并采用序列优化与可靠性评估方法对优化模型进行求解以获得最优切削参数.最后,通过实例验证了该方法在高温镍基合金GH4169车削参数优化中的优势和可行性.     

金刚石涂层刀具干切削硅铝合金性能研究

由于金刚石薄膜涂层具有与天然金刚石相同的高硬度、低摩擦系数、高耐磨和高导热优异性能,因此适用于车削和现代高速干式切削加工,尤其高速切削硅铝合金可提高生产率。文章通过用金刚石薄膜涂层刀具对硅铝合金进行干式切削,探讨其切削性能。试验结果表明,金刚石薄膜涂层刀具磨损是由薄膜显微断裂而逐渐脱落的过程,进给量是影响工件表面粗糙度的主要因素。     

高速铣刀长径比研究

针对高速铣削刀具受力模型,通过ANSYS软件对高速铣刀应力、应变情况进行了有限元分析,研究了长径比(l/d3)改变对铣刀应力应变的影响,从而达到对刀具直径和悬伸量进行优选的目的。     

烧结石墨的切削加工性研究

本文对烧结石墨材料切削时刀具的磨损，切属的危害性、适合切削的刀具材料及石墨材料的可加工性等进行了研究．切削烧结石墨材料时刀具的磨损方式主要为磨料磨损和粘结磨损，选用ＡＧ２陶瓷刀片进行粗加工，刀具耐用度比原来提高一倍以上，用ＹＧ６Ｘ刀片精加工可以得到良好的加工表面，显著改善了其切削加工性．