基于多种模式识别的切削液辨别研究

发布时间：2021-05-08 06:10

　　为了实现同时辨别不同种类的切削液并对其质量进行分析,在数据预处理基础上,提出一种基于向量夹角余弦法和神经网络的切削液辨别分析方法。首先,鉴于切削液的组分复杂,对其组分数据进行标准化及主成分降维处理;其次,利用夹角余弦法与神经网络分析得到未知样品与标准指纹图谱之间识别相似度并对比辨别切削液种类,并采用阈值算法对两种方法测得的结果进行一致性验证;最后,结合实际应用验证了该方法的科学性和可靠性,从而为切削液辨别分析提供有效的理论参考。 

【文章来源】：组合机床与自动化加工技术. 2020,(10)北大核心

【文章页数】：5 页

【文章目录】：
0 引言
1 研究原理及方法
    1.1 数据提取及标准指纹图谱建立
        1.1.1 数据提取
        1.1.2 标准指纹图谱建立
    1.2 数据处理方法
        1.2.1 数据预处理
        1.2.2 主成分分析法降维处理
2 切削液识别分析
    2.1 向量夹角余弦法
    2.2 神经网络算法
    2.3 结果一致性验证
3 实例分析
    3.1 数据处理
    3.2 识别分析
    3.3 一致性检验
    3.4 系统验证
4 结论


【参考文献】：
期刊论文
[1]基于模糊数学和神经网络BP算法的切削液选择[J]. 黄建,汪永超,贾明刚.  组合机床与自动化加工技术. 2018(08)
[2]绿色制造剃齿切削油液选择模型及应用[J]. 陶桂宝,王丽丹,曹华军.  重庆大学学报. 2015(06)
[3]用马氏距离方法提取化探综合异常[J]. 毕武,袁小龙,段新力,黄显义,彭仲秋,李永华,向诗强,张恒.  新疆有色金属. 2015(02)
[4]机加工行业应合理有效使用切削液[J]. 李金年.  金属加工(冷加工). 2015(07)
[5]金属切削液的应用现状及发展趋势[J]. 戴永红.  设备管理与维修. 2014(04)
[6]多元线性回归与BP神经网络预测模型对比与运用研究[J]. 张景阳,潘光友.  昆明理工大学学报(自然科学版). 2013(06)
[7]基于均方差和夹角余弦的水电机组振动诊断[J]. 景翔.  云南电力技术. 2013(01)
[8]水溶性切削液浓度的测定方法及应用[J]. 孙元元,肖岩.  辽宁化工. 2011(08)
[9]乳化切削液监测的过滤性检测方法研究[J]. 张璐熠,朱明.  润滑与密封. 2006(09)



本文编号：3174823