Una máquina herramienta CNC es un equipo de control de procesos que integra máquina, electricidad y líquido, lo que hace que su diagnóstico de fallos sea complejo y especial debido a sus propias características avanzadas, complejas e inteligentes. Los métodos de diagnóstico tradicionales se basan en la experiencia de ingeniería del personal técnico, que incorpora factores subjetivos humanos, y sólo pueden realizar análisis cualitativos, lo que resulta en una baja eficiencia de diagnóstico. Y a través de un único sensor para detectar y diagnosticar la máquina herramienta, la precisión y la credibilidad de la decisión son bajas, y el sistema también es débil frente a las interferencias. En este artículo, primero resumimos la composición y el principio de funcionamiento de las máquinas herramienta CNC y analizamos las señales de estado de trabajo generadas por las máquinas herramienta CNC y los sensores que recogen las señales y decidimos utilizar un enfoque basado en la fusión de múltiples señales y sensores para supervisar el estado de la máquina herramienta. Es posible obtener información más eficaz y valiosa a partir de la información observada a través de múltiples sensores de forma que se pueda alcanzar el objetivo de la fusión. En este trabajo, se aplica una técnica de fusión multisensor basada en la transformada wavelet y la fusión de redes neuronales a un sistema de monitorización del estado de una máquina herramienta. Se introducen las bases teóricas del análisis wavelet y la red neuronal, y se presentan la composición del sistema de monitorización de estado y el proceso de aplicación de la tecnología de fusión multisensor basada en el análisis wavelet y la red neuronal en el sistema de monitorización de estado. Se establece un sistema completo de software y hardware para la monitorización en línea de máquinas herramienta CNC. Con el fin de mejorar la precisión del modelo matemático, el uso de una red neuronal para ajustar los datos no lineales y el uso de la teoría de conjuntos gruesos para simplificar los datos relevantes pueden resolver eficazmente el establecimiento preciso del modelo matemático en el método de compensación de errores. Se propone el método de compensación de errores térmicos para máquinas herramienta CNC basado en la teoría de conjuntos gruesos, el algoritmo de colonia de hormigas y la red neuronal. Este artículo investiga en primer lugar el desarrollo actual de la tecnología de compensación de errores para centros de mecanizado CNC, analiza las diversas fuentes de error de las máquinas herramienta CNC y averigua los factores de influencia que afectan a los errores de las máquinas herramienta CNC.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Modificación de Electrodos Basada en Ftalocianina Libre de Metales: Ejemplo de sensores electroquímicos para la detección de ácido acético
Artículo:
Evaluación in vitro e in vivo de nanopartículas de poli(D,L-ácido láctico) cargadas con desogestrel
Artículo:
Biosorción de iones de cobre con biomasa de algas y residuos deshidratados de aceitunas
Artículo:
Preparación y caracterización de nanozeolita NaA a partir de cáscara de arroz a temperatura ambiente sin aditivos orgánicos
Artículo:
Un nodo centinela para la supervisión estructural de puentes de carretera basada en eventos mediante redes de sensores inalámbricos
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.