[1] |
王民,刘利明,宋铠钰,杨斌,王琛. 基于主轴驱动电流杂波的立铣刀复杂工况下磨损状态辨识[J]. 计算机集成制造系统, 2021, 27(12): 3429-3438. |
[2] |
曹大理,孙惠斌,张纪铎,莫蓉. 基于卷积神经网络的刀具磨损在线监测[J]. 计算机集成制造系统, 2020, 26(第1): 74-80. |
[3] |
戴稳,张超勇,孟磊磊,李晋航,肖鹏飞. 基于深度学习与特征后处理的支持向量机铣刀磨损预测模型[J]. 计算机集成制造系统, 2020, 26(9): 2331-2343. |
[4] |
邓超,张子晗,朱锦璇,吴军,王远航. 考虑健康状态的风电机组发电量预测模型[J]. 计算机集成制造系统, 2020, 26(9): 2367-2378. |
[5] |
陈启鹏,谢庆生,袁庆霓,黄海松,魏琴,李宜汀. 基于深度门控循环单元神经网络的刀具磨损状态实时监测方法[J]. 计算机集成制造系统, 2020, 26(7): 1782-1793. |
[6] |
潘柏松,俞铭杰,项涌涌,罗路平,丁炜. 考虑刀具磨损的铣削加工精度可靠性分析及工艺优化设计[J]. 计算机集成制造系统, 2020, 26(11): 2982-2991. |
[7] |
吴雪峰,刘亚辉,毕淞泽. 基于卷积神经网络刀具磨损类型的智能识别[J]. 计算机集成制造系统, 2020, 26(10): 2762-2771. |
[8] |
刘颖超,胡小锋,刘梦湘. 多工序下刀具磨损的不完备信息系统数据挖掘[J]. 计算机集成制造系统, 2019, 25(第5): 1055-1061. |
[9] |
李聪波,万腾,陈行政,雷焱绯. 基于切削功率的数控车削批量加工刀具磨损在线监测[J]. 计算机集成制造系统, 2018, 24(第8): 1910-1919. |
[10] |
廖雯竹,崔诗好. 考虑劣化因素的HMM在设备状态评估中的应用[J]. 计算机集成制造系统, 2018, 24(第5): 1147-1154. |
[11] |
阳涛,刘飞,刘培基,刘霜. 基于功率和质量信息的批量加工换刀决策方法[J]. 计算机集成制造系统, 2017, 23(第10): 2119-2127. |
[12] |
张存吉,姚锡凡,张剑铭,刘二辉. 基于深度学习的刀具磨损监测方法[J]. 计算机集成制造系统, 2017, 23(第10): 2146-2155. |
[13] |
张栋梁,莫蓉,孙惠斌,李春磊,苗春生,李冀. 基于混沌时序分析方法与支持向量机的刀具磨损状态识别[J]. 计算机集成制造系统, 2015, 21(第8期): 2138-2146. |
[14] |
邓超1,孙耀宗1,李嵘2,王远航1,熊尧1. 基于隐Markov模型的重型数控机床健康状态评估[J]. , 2013, 19 (03 ): 0-0. |
[15] |
邓蕾,李锋+,姚金宝. 基于流形学习和隐Markov模型的故障诊断[J]. , 2010, 16(10): 0-0. |