用于高速加工中心(xīn)的計算機智能監測(cè)控制方法研究

 随着(zhe)現(xiàn)代(dài)工業生産自動化、連續化水平的不(bú)斷提高,加工中心的占有率也在增(zēng)大(dà),在生産中已經占有重要地位。加(jiā)工中心在許多企業中(zhōng)被(bèi)用于重要的加工環節,如果出現故障後不能(néng)及時正确地進行故障診斷(duàn)和維修,則會(huì)帶來較大的(de)經濟損失。随着粗集理論近年來在(zài)智能信息處理研究領域獲得了迅速發展,它基于現(xiàn)實的大數據集,從中(zhōng)推理、發現知識和分類系統的某(mǒu)些特點,對于研究不知識的(de)表達、學習、歸納方面有其(qí)*之處。 本(běn)文研究了基于數據挖掘的加(jiā)工中心故障診(zhěn)斷方法,跟以往的故障診斷方法(fǎ)不(bú)同,研究的方向并不是基于機械振動分析,而是(shì)采用了粗集理論結合神經網絡的方法。 論文研究了粗集對故障數據進行約簡的可行性,并應用自組織映射(shè)神經網絡(luò)的聚(jù)類功能,來實現連續(xù)屬性值離散化的方法;通過對診(zhěn)斷(duàn)信息的分析,采取常(cháng)規約簡方法,該方法實現了樣本條件屬(shǔ)性的約簡,可消除樣本數據中的冗餘信息。采用MATLAB神經網絡工(gōng)具箱建立了加工中(zhōng)心故障類(lèi)型的智能混合診斷系統;研究(jiū)了智能混合(hé)故(gù)障診斷系統,并進行了功(gōng)能模塊設計,各功能模塊分别為:數據采集模塊,數(shù)據(jù)預處理(lǐ)模塊,數據約簡模塊(kuài),神(shén)經網絡模塊,故障診(zhěn)斷模塊。在(zài)此基礎上構建了一個基于粗集-神(shén)經網絡的智(zhì)能混(hùn)合故障診斷系統。

市場的低(dī)迷也給(gěi)加工中心企業(yè)帶來了轉(zhuǎn)型的機遇，企業應将主要精力由銷(xiāo)售産品轉移到提高産品的質量上來，重新設(shè)定産品線，制定發(fā)展戰(zhàn)屢，淘汰掉落後的産品，多研發盈利能力強的加工中心，為市場回暖做好準備。

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