用于高速加工(Gong)中心的計算機智能監測控制方法研究

 随着現代工業生産自動(Dong)化[Hua]、連續化水平(Ping)的不[Bu]斷提高(Gao),加工中心的占有率也在增大,在生産(Chan)中已經占[Zhan]有重要地位。加(Jia)工中心在(Zai)許[Xu]多企業中被用于重要的加工環(Huan)節,如果出現故障(Zhang)後不能(Neng)及時[Shi]正确地進行(Hang)故(Gu)障診斷和(He)維修,則會帶來較大的[De]經[Jing]濟損失。随着粗集理論近年來在智能[Neng]信息處理研[Yan]究領域獲得[De]了迅速[Su]發展,它基于現實的大數據集(Ji),從[Cong]中推理、發現(Xian)知識和分[Fen]類系統的某[Mou]些特點,對于[Yu]研究不知(Zhi)識的表達、學習、歸納方面有其*之處。 本文研究[Jiu]了基于[Yu]數據挖(Wa)掘的(De)加工中心故障診斷方法,跟以往的故障[Zhang]診斷方法[Fa]不同,研究的方向并不是[Shi]基于[Yu]機械振動分析,而是(Shi)采用了粗集理論結合神經網絡的方法。 論文研究了粗集(Ji)對故障數據進行約簡(Jian)的可行(Hang)性,并(Bing)應用自(Zi)組織映射[She]神經網絡[Luo]的聚類功能,來[Lai]實現連續[Xu]屬性值離散化的方法;通過對診斷(Duan)信息的分析,采取常規約簡方法[Fa],該[Gai]方法(Fa)實現(Xian)了樣本條件屬[Shu]性的約簡[Jian],可消除樣[Yang]本數據中的冗餘信息。采[Cai]用MATLAB神經網絡工[Gong]具箱建立了加(Jia)工中心故障類[Lei]型的智能混合(He)診斷系統;研究了智能混合故障診斷系統,并(Bing)進行了功[Gong]能模[Mo]塊設計,各功能[Neng]模塊分别為:數(Shu)據采[Cai]集模塊,數[Shu]據預處理(Li)模塊,數據約簡模塊(Kuai),神經網絡模塊,故障診斷模塊。在[Zai]此基礎[Chu]上構建了一個基于粗集-神經[Jing]網絡的智能混(Hun)合故障診斷系統(Tong)。

市場[Chang]的低迷也給(Gei)加工中心企業(Ye)帶來了轉型的機遇，企業應将主要精力由銷[Xiao]售産品轉移到提高産品的質量上來，重新設定産品(Pin)線，制定發展戰屢，淘汰[Tai]掉落後的産品，多研發(Fa)盈利[Li]能力強的加工中心，為市場回暖做好準備。

主要推[Tui]薦産品CNC加工中心_卧式加工中心[Xin]_立式加工中心_高速加工中心 /