基于PCA-CMAC的设备性能退化评估(英文)

被引：26

作者：

张蕾

曹其新

Jay Lee

Frank L. Lewis

机构：

[1] 上海交通大学机器人研究所

[2] 辛辛那提大学NSFI/UCR智能维护系统中心

[3] 德克萨斯州大学自动化及机器人研究所上海

[4] 上海

[5] 美国辛辛那提

[6] OH

[7] 美国德克萨斯州

[8] TX

来源：

Journal of Southeast University(English Edition) | 2005年 / 03期

关键词：

主成分分析; 小脑模型节点控制器; 性能退化评估;

D O I：

暂无

中图分类号：

TG71 [刀具];

学科分类号：

080603 [有色金属冶金];

摘要：

提出了一种用于设备性能退化评估的PCA-CMAC(主成分分析小脑模型节点控制器)模型.该模型利用PCA进行特征提取,去除多个传感器信号特征的冗余信息,并且减少CMAC的输入维数;利用CMAC的局部泛化能力定量地评估设备的性能退化.给出了模型的实现过程,并将模型应用于钻削过程刀具状态的评估,试验结果证明该模型能基于刀具的正常状态,对刀具的磨损状态进行定量的评估.分析了CMAC中泛化参数g和量化参数r对评估结果的影响,g越大,CMAC的泛化能力越好,但各退化状态之间的区别越不明显;r越小,各退化状态之间越容易区分,但所需的权存储空间越大.2个参数的基本选择原则是CMAC的权存储空间应尽量小,与此同时,各退化状态之间应容易区分.

引用

页码：299 / 303

页数：5