用于高速加工(gōng)中心的計算機智能(néng)監(jiān)測控制方法研究

 随着現(xiàn)代工業生産(chǎn)自動化、連(lián)續化水平的不斷提高,加(jiā)工中心的占有率也在增大,在生産中已經占有重要地位。加工中(zhōng)心在(zài)許多企業中被用于重要的加工環節,如果出現故障後不能及時正确地進行故障診(zhěn)斷和維修(xiū),則會帶來(lái)較大的經濟損失。随(suí)着粗集理(lǐ)論近年來(lái)在智能信(xìn)息處理研究領域獲(huò)得了迅(xùn)速發展(zhǎn),它(tā)基于現實的大數據集,從中推理、發(fā)現知識和分類系統的某些特點,對于研究不知識的(de)表達、學習、歸納方面有其*之處(chù)。 本文(wén)研究了基于數據挖掘的加工中心故障診斷方法,跟以往的故(gù)障診斷方法不同,研究的(de)方向并不是基于機械振動分析(xī),而是采用了粗集理(lǐ)論結合神經網絡的(de)方法。 論文研究(jiū)了粗集對故障(zhàng)數據進行(háng)約簡的可行性,并應用自組(zǔ)織映射神經網絡(luò)的聚類功能,來實現連續屬性值離散化的方法;通過對診斷信息的分析,采(cǎi)取常規約簡方法,該方法實現了樣本條件屬性的約簡,可消除樣本(běn)數據中的冗(rǒng)餘信息。采用MATLAB神經網絡工具箱建立了加工中心故障類(lèi)型的智能混合診斷系統;研究了智(zhì)能混合故(gù)障診斷系統,并進行(háng)了功(gōng)能模塊設計,各功能模塊分别為:數(shù)據采集模塊,數據預處理模塊,數據約簡模塊,神經網絡模塊,故障(zhàng)診斷模塊。在此基礎上構(gòu)建了一個基(jī)于粗集-神經網絡(luò)的智能混合故障診斷系統。

市場的低迷也給加工(gōng)中心企業帶來了轉(zhuǎn)型的機遇(yù)，企業應将主(zhǔ)要(yào)精力由銷售産(chǎn)品轉移到(dào)提高産品的質量上來，重新(xīn)設定産品線，制定發展戰屢，淘汰掉落後的産品(pǐn)，多研發盈利能力強(qiáng)的加工中心，為(wéi)市場回暖做好準備。

主要推薦産品CNC加工中心_卧式加工中心_立式加工中心_高速加工中心(xīn) /