用于高速加工[Gong]中心的計算機智能(Neng)監測控制方法研究

 随[Sui]着現代工業[Ye]生産自動化、連續化水[Shui]平的不斷提高[Gao],加工中心的占有率也(Ye)在[Zai]增(Zeng)大,在生産(Chan)中已經占(Zhan)有重(Zhong)要(Yao)地位。加工中心在許多企業[Ye]中被用于重要的加工環(Huan)節,如[Ru]果出現故障[Zhang]後不能及時正确(Que)地進[Jin]行(Hang)故障診斷和維修[Xiu],則會帶來較大的經(Jing)濟損失。随着粗[Cu]集理論近[Jin]年來在智能信息處理研(Yan)究領域獲得[De]了迅速發展(Zhan),它基(Ji)于現實的(De)大數據集(Ji),從中推理、發現知識(Shi)和分類系統的某[Mou]些(Xie)特點,對于研究不知識[Shi]的表達、學習[Xi]、歸納[Na]方面有其*之處。 本文(Wen)研究了基于數據挖[Wa]掘的[De]加工中心故障診斷方法,跟以往的故障診斷方法不同,研究(Jiu)的方向并不是基于機械振(Zhen)動分析,而[Er]是[Shi]采用(Yong)了粗集理論結合神[Shen]經網絡的[De]方法。 論文研究(Jiu)了粗[Cu]集對故障[Zhang]數[Shu]據進行(Hang)約簡(Jian)的可行性,并應[Ying]用自組織映射神經網絡的聚(Ju)類功能,來實現(Xian)連續屬性值離[Li]散化的方法;通過(Guo)對診斷信息的[De]分析,采[Cai]取常規約簡方法,該(Gai)方法實現了樣本條件屬性的約簡(Jian),可消除樣本[Ben]數據中的冗[Rong]餘(Yu)信息。采用MATLAB神[Shen]經網[Wang]絡工具箱[Xiang]建立了(Le)加工中心故(Gu)障類[Lei]型的智能混合診斷[Duan]系統[Tong];研究了智[Zhi]能混合故(Gu)障診斷(Duan)系統,并進行了功能模塊設計,各(Ge)功能模塊分别為:數據[Ju]采集模塊,數據預處理模[Mo]塊,數據約簡[Jian]模塊,神經網絡模塊,故障[Zhang]診斷模塊。在此[Ci]基礎上構建了一個基于粗集[Ji]-神經網絡的(De)智[Zhi]能混合故障診[Zhen]斷系統。

市場的低迷也給[Gei]加工中心(Xin)企業帶來(Lai)了轉(Zhuan)型[Xing]的機遇，企業應将主要精力由銷售[Shou]産品轉移到[Dao]提高産品的質量上[Shang]來，重新設定産品線，制定發展(Zhan)戰屢，淘汰掉落後的産品[Pin]，多研(Yan)發盈利能力強的加工中心，為市[Shi]場回暖(Nuan)做好(Hao)準備。

主要推薦産品CNC加工(Gong)中心(Xin)_卧式(Shi)加[Jia]工中心_立式加工(Gong)中心_高速加工中心 /