сгенерировать QR код
Открытый доступ
Только для подписчиков
Применение нейронных сетей для обработки фазохронометрической измерительной информации
https://doi.org/10.32446/0368-1025it.2020-9-31-35
Аннотация
Рассмотрены вопросы применения нейросетевой технологии в различных областях деятельности. Описана методика обработки измерительной фазохронометрической информации, основанная на работе нейронных сетей. Новизна предлагаемого подхода заключается в выборе классификационного признака и применении алгоритма персептрона для двоичной классификации. Выполнена простейшая двоичная классификация режимов работы токарного станка – холостого хода или резания.
Об авторах
Д. Д. Болдасов
Московский государственный технический университет имени Н. Э. Баумана
(Национальный исследовательский университет)
Россия
Россия
Москва
Ю. В. Дроздова
Московский государственный технический университет имени Н. Э. Баумана
(Национальный исследовательский университет)
Россия
Россия
Москва
А. С. Комшин
Московский государственный технический университет имени Н. Э. Баумана
(Национальный исследовательский университет)
Россия
Россия
Москва
А. Б. Сырицкий
Московский государственный технический университет имени Н. Э. Баумана
(Национальный исследовательский университет)
Россия
Россия
Москва
Список литературы
1. Кабак И. С., Суханова Н. В., Гаделев А. М. Применение нейронных сетей при диагностике состояния режущего инструмента // Известия Кабардино-Балкарского государственного университета. 2012. Т. 2. № 4. С. 77–79.
2. Azmi A. I., Advances in Engineering Software, 2015, vol. 82, pp. 53–64. https://doi.org/10.1016/j.advengsoft.2014.12.010
3. Rizal M. et al., Applied Soft Computing, 2013, vol. 13, pp. 1960–1968. https://doi.org/10.1016/j.asoc.2012.11.043
4. Silva R. G., Reuben R. L., Baker K. J. and Wilcox S. J., Mechanical Systems and Signal Processing, 1998, vol. 12, pp. 319–332. https://doi.org/10.1006/mssp.1997.0123
5. Proteau A. et al., The International Journal of Advanced Manufacturing Technology, 2019, vol. 103, pp. 101–110. https://doi.org/10.1007/s00170-019-03533-4
6. Сырицкий А. Б. Измерение износа режущего инструмента фазохронометрическим методом в процессе обработки // Измерительная техника. 2016. № 6. С. 30–32.
7. Киселев М. И. Фазохронометрия: проблемы и перспективы // Приборы. 2016. № 10 (196). С. 51–54.
8. Boldasov D. D., Komshin A. S., Syritskii A. B., Method of Lathe Tool Condition Monitoring Based on the Phasechronometric Approach. In: Advances in Automation. RusAutoCon 2019, eds Radionov A., Karandaev A. Lecture Notes in Electrical Engineering, 2020, Springer, Cham, vol. 641. https://doi.org/10.1007/978-3-030-39225-3_82
9. Geurts P., Wehenkel L., Knowledge Discovery in Databases: PKDD 2005, Springer, 2005, рp. 478–485. https://doi.org/10.1007/11564126_48
10. Scikit-learn user guide Chapter 3 Supervised learning. Release 0.20.3 March 2019, available at: https://scikit-learn.org/stable/_downloads/scikit-learn-docs.pdf (accessed: 06.03.2019)
Рецензия
Для цитирования:
Болдасов Д.Д., Дроздова Ю.В., Комшин А.С., Сырицкий А.Б. Применение нейронных сетей для обработки фазохронометрической измерительной информации. Izmeritelʹnaya Tekhnika. 2020;(9):31-35. https://doi.org/10.32446/0368-1025it.2020-9-31-35
For citation:
Boldasov D.D., Drozdova J.V., Komshin A.S., Syritskii A.B. Neural networks application for phasechronometric measurement information processing. Izmeritel`naya Tekhnika. 2020;(9):31-35. (In Russ.) https://doi.org/10.32446/0368-1025it.2020-9-31-35
Просмотров:
69
Послать статью по эл. почте 