壓縮包內(nèi)含有CAD圖紙和說明書,均可直接下載獲得文件，所見所得，電腦查看更方便。Q 197216396 或 11970985

專題綜述報告 摘要：介紹現(xiàn)代組合機床技術(shù)發(fā)展的主流，分析組合機床柔性化的幾個主要方面和通用部件、加工精度、應用范圍等現(xiàn)狀及發(fā)展，從柔性制造技術(shù)角度介紹了組合機床綜合自動化技術(shù)的發(fā)展新動向。 關(guān)鍵詞：組合機床、機床技術(shù)、自動線、發(fā)展 Abstrac：Introduced the modern aggregate machine-tool technological developmentthe mainstream, analysis aggregate machine-tool present situation andthe development and so on flexibility several principal aspects andgeneral part, processing precisions, application scope, introduced theaggregate machine-tool synthesis automation technology development newtrend from the flexible manufacture technology angle. Key word：Aggregate machine-tool、Engine bed technology、From generatrix Development 此次畢業(yè)設(shè)計，我的課題是加工減速箱箱體上的孔，通過對《組合機床設(shè)計》這本書的閱讀，使我更加了解了如何設(shè)計組合機床。 組合機床是根據(jù)工件加工需要，以大量通用部件為基礎(chǔ)，配以少量專用部件組一種高效專用機床。通用部件是組合機床的基礎(chǔ)，用來實現(xiàn)機床切削和進給運動的通用部件，如單軸工藝切削頭、傳動裝置、動力箱、進給滑臺等為動力部件。它能夠?qū)σ环N或若干種工件按預先確定的工序進行加工的機床，它能夠?qū)ぜM行多刀、多軸、多面、多工位同時加工。在組合機床上可以完成鉆孔、擴孔、鉸孔、鏜孔、攻絲、車削、銑削、磨削及滾壓等工序，隨著組合機床自動線上可以完成一些非切削工序，例如：打印，清洗、熱處理、簡單的裝配、試驗和在線自動檢查等工序。 組合機床及自動線所使用的通用部件是具有特定功能，按標準化、系列化、通用化原則設(shè)計、制造的組合機床基礎(chǔ)部件。每種通用部件有合理的規(guī)格尺寸系列，有適用的技術(shù)參數(shù)和完善的配套關(guān)系。 許多大型、形狀復雜的工件，需要的加工工序很多，不可能在一臺組合機床上全部加工完成，這就需要用多臺組合機床加工，按工件加工順序依次排列，組成組合機床流水線，在組合機床流水線的基礎(chǔ)上，發(fā)展成組合機床自動線。 組合機床與通用機床、其它專用機床比較，具有以下特點： （1）組合機床上的通用部件和標準零件約占全部機床零、部件總量的70%~80%，因此，設(shè)計和制造周期短，經(jīng)濟效益好。 （2）由于組合機床采用多刀加工，機床自動化程度高，因此比通用機床生產(chǎn)率高，產(chǎn)品質(zhì)量穩(wěn)定，勞動強度低。 （3）組合機床的通用部件是經(jīng)過周密設(shè)計和長期生產(chǎn)實踐考驗的，又有專門廠家成批生產(chǎn)，它與一般專用機床比較，其結(jié)構(gòu)穩(wěn)定，工作可靠，使用和維修方便。 （4）組合機床加工工件，由于采用專用夾具、組合刀具和導向裝置等，產(chǎn)品加工質(zhì)量靠工藝裝備保證，對操作工人的技術(shù)要求不高。 （5）當機床被加工的產(chǎn)品更新時，專用機床的大部分部件要作廢。組合機床的通用部件是根據(jù)國家標準設(shè)計的，并等效于國家標準，因此其通用部件可以重復使用，不必另行設(shè)計和制造。 （6）組合機床易于連接組合機床自動線，以適應大規(guī)模和自動化生產(chǎn)需要。 由于采用了新的結(jié)構(gòu)、新刀具、新工藝方法、刀具自動補償系統(tǒng)、專用刀具的復合工藝，直接利用軟件進行誤差補償方法，組合機床加工精度正在不斷提高。 現(xiàn)階段在組合機床上加工大平面的平面度已達到1m長上0.02~0.04mm。粗糙度達到Ra0.4~0.8um；孔徑精度達到0.0015~0.055mm。定位銷孔的中心距精度達到±0.013mm；一般孔位置精度達到±0.02~±0.025mm；單向鏜孔的同軸度達到0.005~ 0.01mm。雙向鏜孔的同軸度達到0.015~0.02mm；一些特種加工工藝的精度：如止口精度可達到0.015~0.02mm。缸蓋閥座及導管孔的同軸度達到0.00750~0.01mm。 除了傳統(tǒng)的通用部件以外，各主要通用部件制造廠相繼發(fā)展了直流伺服驅(qū)動滑臺、數(shù)控滑臺、數(shù)控三坐標加工模塊、多軸箱儲存和多軸箱更換裝置等新一代通用部件。采用模塊化設(shè)計原則將常規(guī)組合機床的通用部件和加工中心的組成模塊統(tǒng)籌設(shè)計，組成新的型譜，也是一種新的趨勢。為了適應組合機床制造廠發(fā)展柔性制造系統(tǒng)等綜合自動化的需要，誕生了像可編程伺服驅(qū)動位置控制裝置、計算機數(shù)控滑臺、機器人裝卸料系統(tǒng)、帶誤差信息屏幕顯示的診斷裝置、數(shù)據(jù)庫系統(tǒng)等配套性通用部件模塊。 現(xiàn)代組合機床已經(jīng)逐漸打破了通常認為只適用于箱體類零件加工的模式，其功能和應用范圍正在不斷地延伸和擴展。 組合機床加工旋轉(zhuǎn)體零件的情況下，采用組合機床加工軸類和盤類零件具有明顯的優(yōu)越性。一些軸件，尤其是大型軸件，可以用旋轉(zhuǎn)夾具夾持中部，在組合機床或?qū)Ｓ脵C床上進行兩端同時加工，其優(yōu)點是工序集中，省去調(diào)頭加工，增加了刀具及其驅(qū)動部件的布置空間。 現(xiàn)代成批大量生產(chǎn)的儀表、精密機械、家用電器、鐘表等工業(yè)部門，常有小型箱體類、蓋罩類、連桿撥叉類、雜件等小型異形零件。這類零件由于廣泛采用先進高效的毛坯制造工藝，金屬切除量較小，且大部分零件的材質(zhì)是鋁合金或銅合金，加工時，切削力較小。由于生產(chǎn)節(jié)拍短，要求有極高的生產(chǎn)率。用組合機床加工這類零件時，要作專門的設(shè)計，以適應這類零件構(gòu)造和加工上的特殊性。通常加工這類零件的組合機床稱為小型組合機床，自成體系，發(fā)展迅速。 組合機床自動線主要用于大批量生產(chǎn)。雖然技術(shù)已很成熟，但一般利用率低、缺乏柔性，難以適應現(xiàn)代中批量輪番生產(chǎn)的需要，現(xiàn)代柔性自動化技術(shù)給組合機床綜合自動化技術(shù)的發(fā)展，帶來根本性的變革。其中，自動裝配機也得到了發(fā)展。 現(xiàn)代自動裝配機廣泛采用了組合機床原理及相關(guān)技術(shù)，現(xiàn)代機電產(chǎn)品的生產(chǎn)規(guī)模不斷擴大，裝配工作量占據(jù)愈來愈大的比重。為此，裝配作業(yè)自動化技術(shù)得到了迅速發(fā)展。目前，國外自動化裝配工藝、已從零件緊固連接、壓入、扭合、鉚接、粘接、焊接等基本作業(yè)方式，發(fā)展到去毛刺、清洗、檢測及產(chǎn)品總裝后的試車、檢驗、注油、噴漆、包裝等工序，一些綜合自動化加工系統(tǒng)內(nèi)通常設(shè)有自動裝配工序。 一個現(xiàn)代化自動裝配系統(tǒng)。由裝配元件及裝配主體件的供料及輸送系統(tǒng)，裝配裝置及控制和檢測裝置所組成。這些系統(tǒng)裝置的設(shè)計原則和組合機床及其相似：結(jié)構(gòu)典型，部件和組件通用，形式統(tǒng)一。用于不同裝配對象時只是夾具不同。自動裝配機的通用部件中也有裝配工作頭、裝配機主體、供料裝置及檢測裝置等。目前，世界各國都大力發(fā)展通用化程度較高的直線或回轉(zhuǎn)型間歇輸送式裝配機來替代連續(xù)輸送式裝配機，發(fā)展具有柔性及可進行多品種裝配的自動裝配線。該種裝配線廣泛采用：“功能模塊式結(jié)構(gòu)技術(shù)”，采用柔性連接的輸送方式。工業(yè)機器人由于可在一次動作循環(huán)中靈活完成各種動作，可代替裝配機許多復雜部件的動作，從而大大簡化裝配機自身的復雜結(jié)構(gòu)。工業(yè)機器人有固定程序的，也有計算機控制的，其采用大大增加了自動裝配線的柔性。 參考文獻 [1]叢鳳延，遲建山主編，組合機床設(shè)計，上海科學技術(shù)出版社，1994年10月第2版。 [2]金振華，組合機床與自動線，北京，機械工業(yè)出版社，1990。 [3]潘鬼善，淺談實現(xiàn)組合機床柔性化的技術(shù)發(fā)展途徑。組合機床與自動化加工技術(shù)，1992（2） 機械故障檢測使用模糊的索引融合 Tony Boutrosa and Ming Liang aDepartment of Mechanical Engineering, University of Ottawa, 770 King Edward Avenue, Ottawa, Ont., Canada K1N 6N5 摘要：本文報告一種簡單, 有效和健壯融合方法根據(jù)模糊邏輯和Sugeno 樣式推斷方法。運用這個方法, 四狀況監(jiān)視顯示, 被開發(fā)為瞬變和逐漸反常性的偵查, 被熔化入一個唯一全面模糊的被熔化的索引(FFI) 為可靠的機械健康評估。這種方法被測試了和成功地被確認了在二種不同應用：用工具加工條件監(jiān)測在碾碎的操作和負擔狀況評估。FFI 清楚地區(qū)分在正常和反常條件之間使用同樣模糊的規(guī)則基地。這一定顯示FFI 的通用性和強壯。當FFI 價值總下跌在零和一個之間, 它促進門限設(shè)置在不同的工具或機械組分的監(jiān)視情況。我們的實驗性研究并且表明, FFI 對缺點嚴肅是敏感的, 能區(qū)分損傷由一個相同缺點造成在不同的軸承組分, 但不易受影響裝載變動。 關(guān)鍵詞: 情況顯示; 模糊的融合; Sugeno 推斷方法; 工具情況; 軸承情況 文章概述 機械故障檢測和用機器制造程序控制受到了可觀的關(guān)注。這些任務(wù)有成為的越來越困難由于機器結(jié)構(gòu)和操作動力學的復雜。在過去幾年, 許多不同的傳感器和情況顯示被發(fā)展為達到更加可靠的結(jié)果為不同的監(jiān)視任務(wù)。 為機械故障檢測, Collacott [ 1 ] 使用了振動信號可能性密度和峰態(tài)為軸承瑕疵證明在一項早期的研究。它被發(fā)現(xiàn)軸承的加速度的可能性密度在好情況有高斯發(fā)行, 但是損壞的軸承導致non-Gaussian 發(fā)行與統(tǒng)治尾巴。沿著這條線, 染色者和Stewart [ 2 ] 并且使用了峰態(tài)為軸承瑕疵偵查根據(jù)振動信號。為未損壞的軸承以高斯發(fā)行, 峰態(tài)價值被發(fā)現(xiàn)了相等到三。價值大于三被判斷了作為妨礙失敗的征兆。但是, 一不利是著名: 峰態(tài)價值能下來到正常軸承的水平既使當損傷很好被推進了。以后, Miyachi 和Seki [ 3 ] 提取了根意味正方形(r.m.s 。) 并且冠因素從振動信號監(jiān)測瑕疵在滾珠軸承里。但是, 結(jié)果不是非常成功的。劉和Mengel [ 4 ] 使用了高峰高度在頻率領(lǐng)域、高峰r.m.s. 和能譜作為間接索引為監(jiān)視滾珠軸承振動。Heng 和亦不[ 5 ] 報告酣然的壓力和振動的應用發(fā)信號對軸承缺點的偵查運用一個統(tǒng)計分析方法。參量被考慮在他們的研究中包括r.m.s. 、冠因素和峰態(tài)。結(jié)果被獲得通過實驗顯露, 統(tǒng)計參量是依于軸速度的影響。最近, Baydar 和球[ 6 ] 審查了對音響信號的用途與振動信號一起為各種各樣的地方缺點在一個傳動箱使用小波變換的監(jiān)視。二個共同地遇到的地方缺點被模仿了: 牙破損和牙裂縫。結(jié)果建議, 音響信號是非常有效的為缺點的早檢測。但是, 裝載變異的影響對音響方法的故障檢測能力未被考慮。 為用機器制造的過程和工具條件監(jiān)測, 任務(wù)能更加困難歸結(jié)于非線性過程由動力學造成物質(zhì)撤除, 動力學的互作用機械工具和機械工具驅(qū)動[ 7 ] 。Inasaki [ 8 ] 開發(fā)了一個監(jiān)控系統(tǒng)為研的過程。系統(tǒng)運用音響放射(AE) 并且力量傳感器監(jiān)測研的過程和修建控制數(shù)據(jù)庫。Everson 和Cheraghi [ 9 ] 調(diào)查了交互作用在孔操練的鋼的質(zhì)量和AE 信號參量之間。AE 高峰高度的能量、數(shù)字在某一門限之上和r.m.s. 被使用了在這次調(diào)查。實驗工作被舉辦確認方法。他們觀察, AE 能量是一個好措施但高峰高度算作是情況顯示是無結(jié)果的在信號是短的某些案件。有文學一個富有的身體在工具條件監(jiān)測。一些很好被援引的研究包括對AE 的用途為工具情況評估[ 10 ], [ 11 ] ,[ 12 ] 并且對AE 傳感器和力量傳感器的共用監(jiān)測工具條件在轉(zhuǎn)動[ 13 ], 基于振動工具穿戴監(jiān)視[ 14 ], [ 15 ], [ 16 ]并且基于力量的工具失效偵查[ 17 ], [ 18 ], [ 19 ]并且和基于當前的工具破裂監(jiān)視[ 20 ] ，[ 21 ] 。 各種各樣的情況顯示由不同的研究員使用。例如, 振動信號用不同的頻帶[ 14 ], 凝聚價值的r.m.s. 振動發(fā)信號從二個過載信號器[ 15 ], r.m.s. 和能量AE 信號[ 9 ], 小波系數(shù)潮流或AE 信號[ 12 ] 并且[ 22 ], 并且模糊的轉(zhuǎn)折可能性[ 23 ] 被使用了為用機器制造的過程或工具條件監(jiān)測。情況索引為機械監(jiān)視包括小波參考水平和它的手段被計算從振動數(shù)據(jù)[ 24 ], 正常化的泛音內(nèi)容殘余馬達[ 25 ]比當前的酣然的強度[ 26] 大一些。 綜合數(shù)據(jù)從不同的來源, 傳感器[ 13 ], [ 27 ], [ 28 ]，[ 29 ] 融合的很好 。本文集中于不同的索引的融合從同樣數(shù)據(jù)源被獲得由一個唯一傳感器收集。每個索引有它自己的優(yōu)點和缺點。一個聯(lián)合索引的發(fā)展合并所有索引會提供一種簡單和可靠的解答對多個傳感器無法方便地被應用的情況。 依照被注意以上, 幾個補全索引可能被開發(fā)從同樣信號。例如, 一個缺點索引也許是適當?shù)臑閵Z取瞬變事件并且另能是敏感的對逐漸變動趨向。明顯地, 使用只二的當中一個可能是引入歧途的如果突然的缺點和逐漸惡化是重要關(guān)心。另外, 極大的網(wǎng)上信息從不同的監(jiān)視索引要求巨大相當數(shù)量努力和時刻處理, 領(lǐng)會和分析如果各個索引分開地被考慮。為相似的原因, Goebel [ 30 ] 提出了一個系統(tǒng)為診斷信息的融合。這個融合方法應付主要沖突解決方案和缺點覆蓋面差誤。一種hierarchal 重量操作方法被使用提煉產(chǎn)品。 其它重要方面是困難在門限設(shè)置當許多不同的索引被使用, 每個以它自己的門限設(shè)置計劃。這由許多索引的應用依賴本質(zhì)復雜化進一步。例如, 振動信號廣泛被應用的r.m.s. 的閾值能極大地不同在查出軸承滾珠瑕疵和軸承外面種族反?，F(xiàn)象。一個唯一被綜合的, 無維和正?；乃饕陌l(fā)展會導致及時的救助從門限設(shè)置差事。 為上述原因, 融合方法提議在這中paper-based 在模糊邏輯和Sugeno 樣式推斷方法。方法把幾情況顯示變成的作用一個唯一全面模糊的被熔化的索引(FFI) 為快的缺點監(jiān)視。當FFI 的價值由0 和1 一定, 門限設(shè)置可能相應地被簡化。情況索引、融合過程和實驗工作的細節(jié)被描述在以下部分。 改進瞬間(即短期間) 并且逐漸被開發(fā)的反常現(xiàn)象偵查效率, 監(jiān)視數(shù)據(jù)被編組入"微型小組" 和"小群" 。各個"微型小組" 包含K 樣品并且各"小群" 由J "微型小組" 組成。"微型小組" 定義查尋決議為瞬變反?，F(xiàn)象但是"小群" 大小的大小代表極小的必需的期間為政策制定。四顯示被獲得根據(jù)了力量、標準偏差和交互作用因素慣例。表示k 作為索引為數(shù)據(jù)樣品(k=1, 2...,K), j 為"微型小組" (j=1,2..., J) 和i 為"小群" (i=1,2..., I), 四個索引被獲得得如下。 力量情況顯示(PCI) 反射力量波動巨大各個微型小組在小群心頭。它代表各微型小組力量的正?；钠顝钠骄秸劦阶儺惙秶楦鱾€微型小組, PCI 被獲得 （1） 那里Pij 是微型小組j 的力量在小群i, 定義卑鄙"微型小組" 力量在同樣"小群心頭", Pi, 最大并且Pi, 分鐘代表最大值和極小值"微型小組" 力量在"小群心頭" 我。他們被給如下： （2） （3） 那里VLHP, ij(k) 代表數(shù)據(jù)抽樣k 在jth 微型小組ith 小群被獲得在帶通過濾以后。 明顯地, PCI 的最大值, 即, MPCI, 可能奪取突然的變化在信號上和因此是突然被開發(fā)的事件好顯示。它被計算為每小群如下： （4） 雖然標準偏差是信號的分散作用一個直接措施和被使用了直接地為條件監(jiān)測, 標準偏差的正?；淖儺悤撬沧兪录^不情況依賴顯示。這顯示被定義 （5） 那里是微型小組力量的標準偏差σij, 最大σi 、分鐘最大值和極小值"微型小組" 標準偏差在"小群" 我心頭, 和卑鄙"分鐘小組" 標準偏差談到小群σi。這些參量被計算如下： （6） （7） 與 （8） 相似與MPCI, SDCI 的最大值會提供被計算瞬變事件的更加清楚的標志 （9） 它應該并且注意到, 顯示源于標準偏差無法單獨被應用因為它代表偏差的百分之在信號談到它的平均水平。因此, 我們建議MSDCI 是應用的與MPCI 一起, 信號強度顯示。 力量交互作用因素(PCF) 定義瞬間力量手段的變異, 被計算在小群水平, 談到參考力量水平被計算在通常是被承擔的"法線" 的初始狀態(tài)。它可能被表達 （10） 那里SSVp, i 是被擺正的偏差的總和談到變化的手段和SSRp, i 是力量被擺正的錯誤的總和相對參考平均功率, 即, 第一Jb 微型小組的平均力量,所有為小群i 。他們被獲得如下： （11） （12） 那里是力量手段在J 微型小組窗口。并且被寫 （13a) (13b) 如果系統(tǒng)的狀態(tài)在監(jiān)視之下不改變以時間, SSVp, 我與SSRp, i 將是相等的。如同系統(tǒng)開始惡化, 微型小組的平均力量在小群開始相應地增加(即, 酣然的壓力水平增加在碾碎的操作當工具穿戴大小增加或振動水平爬上在軸承在缺點面前) 。所以, SSVp, i, 微型小組力量的被擺正的偏差的總和談到平均功率(即) 將是較少比SSRp, i, 被擺正的偏差談到參考水平(即) 陳列作為這樣一個征兆關(guān)于退化。結(jié)果, PCF, 最初是相等的到一個, 開始減少往零。 相似與PCF, 標準偏差交互作用因素(SDCF) 被開發(fā)學習標準偏差的變異談到一個選擇的參考水平(即, 水平被計算為正常狀態(tài)) 。PCF 集中信號的能量內(nèi)含, 但是SDCF 的目標將分析信號的波動由于反?，F(xiàn)象。當系統(tǒng)在監(jiān)視之下逐漸貶低, 波動在信號變得更加頻繁和反復性(即波動由于摩擦在工具穿戴或沖擊的情況下由于軸承缺點) 。這暗示增量在標準偏差和因而對交互作用因素的減少的動態(tài)平均。SDCF 被獲得 (14) 與 （15） （16） 那里是標準偏差的平均值在J 微型小組窗口和是第一Jb 微型小組的標準偏差的參考手段在小群i 。他們被寫 （17a） （17b） 明顯地, 用途對任何他們的當中一個能單獨誤引故障檢測決定但同時應用他們平行會導致混亂和會減速偵查決定。另外, 四個索引并且要求不同的門限。這個情況, 與四個索引一起的補全本質(zhì), 刺激我們開發(fā)模糊的融合方法(圖1) 利用所有索引。是一致的在偵查計劃談到間隔時間[ 0, 1 ] (即, 完善的正常情況對應到0 并且最壞的反常條件對應到1, 不否則), 我們使用PCF 和SDCF 的補全, 表示作為CPCF 和CSDCF, 各自地。四個監(jiān)測的索引, MPCI 、MSDCI 、CPCF 和CSDCF, 依照被顯示在圖1 被定義談到各"小群" 和是全部正?；膬r值(即重視變化在0 和1) 之間。一個給定值近0 表明一個正常情況但是價值接近1 說明反常案件。依照被說明以上, 改進故障檢測效率和減少多余的努力在選擇門限為各個監(jiān)視索引, 四監(jiān)測的顯示被熔化入一唯一模糊的產(chǎn)品如所描述在以下部分。 同酥脆輸入聯(lián)系在一起模糊的集合, 會員資格作用必須被定義。為計算效率, 三角會員資格作用被使用為輸入并且釘會員資格作用被使用為產(chǎn)品。在這項研究中, 四個模糊的集合提議為輸入和三其他為產(chǎn)品(圖2) 。輸入模糊的集合被選擇如下: ZV, 零的價值; SV, 小價值; MV, 中等價值; BV, 大價值。另一方面, 產(chǎn)品模糊的集合被定義在這次序: NR, 正常范圍; 范圍先生, 中間; 并且AR, 反常范圍。 這個模糊的融合模塊的當中一個最重要的組分是偵查規(guī)則基地。模糊的規(guī)則, 確定產(chǎn)品準則根據(jù)了輸入, 代表知識被獲取通過學會并且經(jīng)驗的這個模糊的融合模塊的當中一個最重要的組分是偵查規(guī)則基地。模糊的規(guī)則, 確定產(chǎn)品準則根據(jù)了輸入, 代表知識被獲取通過得知和經(jīng)驗領(lǐng)域?qū)＜摇Ｃ總€這些規(guī)則被寫作為如果(四個情況indicators)-THEN (后果, 即, 機器情況的) 范圍。依照被顯示在無花果。2 和3, 那里是四個被輸入的模糊的集合與相關(guān)四情況顯示。這導致一共計256 個規(guī)則(44) 。為例證目的, 唯一一部分的規(guī)則被提出 。規(guī)則完全可利用的。這些規(guī)則被使用為機械工具和負擔條件監(jiān)測[ 31 ] 。 各套情況顯示一般激活幾個模糊的規(guī)則。例如, 考慮圖3 。如果MPCI 和MSDCI 下跌各自地在MV之間和BV 、和SV 和MV, CPCF 觸發(fā)ZV 并且SV 和CSDCF 激活SV 并且MV, 八點總共將被觸發(fā)在不同的高度(h) 。這導致模糊的集合的16 個組合。參見表2, 簡要地解釋這些規(guī)則的意思, 我們考慮例如規(guī)則(166) 。它可能被翻譯和: 如果MPCI 和最大值SDCI (MSDCI) 屬于中程(MV) 并且力量和標準偏差交互作用因素的補全有SV, 機器情況將認為是在AR 。所有規(guī)則被一套輸入激活, 即, MPCI, MSDCI, CPCF, 和CSDCF, 應該被考慮到和因此對最后的產(chǎn)品的力量聯(lián)合貢獻, 即, FFI 。FFI 將由模糊的推斷方法定義依照被說明在下個部分。 模糊的推斷方法的角色是進行模糊的操作必要為FFI 的決心。在這個階段期間, 被熔化的索引被計算根據(jù)了模糊的輸入和被激活的規(guī)則。減少計算時間為線上申請, Sugeno 類型推斷方法被選擇在這項研究中。這類型引擎提供一個非?？斓姆磻椭腗andani 類型推斷方法相比。區(qū)別在二個技術(shù)之間主要歸結(jié)于產(chǎn)品會員資格作用的選擇。以Sugeno 方法, 產(chǎn)品會員資格由釘提出代替一個完全三角由Mandani 推斷方法使用。除它的計算效率之外, Sugeno 方法有其它有吸引力的特征譬如產(chǎn)品表面和吸引人的有效率的保證的連續(xù)性運作以優(yōu)化和能適應的技術(shù)[ 32 ] 。 產(chǎn)品, 即FFI, 簡單地是釘[ 33]地點加權(quán)(談到釘高度被削根據(jù)推斷規(guī)則) 平均, 即： （18） 那里Lr 是產(chǎn)品釘?shù)牡攸c與相關(guān)規(guī)則r, 小時是極小的高度(或會員資格) 與相關(guān)規(guī)則r 并且R 是被激活的規(guī)則的總數(shù)。 值得注意的是,Eq 。 FFI(18) 一個一般表示并且它的應用對四個缺點索引的融合不被限制以上提到。另外的缺點索引可能容易地被合并如果需要。 參考文獻 [1] R.A. Collacott, Mechanical Fault Diagnosis (first ed), Chapman and Hall, London (1977). [2] D. Dyer and R.M. Stewart, Detection of rolling element bearing damage by statistical vibration analysis, Journal of Mechanical Design 100 (1978) (2), pp. 229–235. [3] T. Miyachi, K. Seki, An investigation of the early detection of defects in ball bearings using vibration monitoring—practical limit of detectability and growth speed of defects, in: Proceedings of the International Conference on Rotor dynamics, JSME-IftoMM, Tokyo, Japan, 1986, pp. 403–408. [4] T.I. Liu and J.M. Mengel, intelligent monitoring of ball bearing conditions, Mechanical Systems and Signal Processing 6 (1992) (5), pp. 419–431. Abstract [5] R.B.W. Heng and M.J.M. Nor, Statistical analysis of sound and vibration signals for monitoring rolling element bearing condition, Applied Acoustics 53 (1998) (1–3), pp. 211–226. SummaryPlus | Full Text + Links | PDF (839 K) | View Record in Scopus | Cited By in Scopus [6] N. Baydar and A. Ball, Detection of gear failure via vibration and acoustic signal using wavelet transform, Mechanical Systems and Signal Processing 17 (2003) (4), pp. 787–804. Abstract | Abstract + References | PDF (1598 K) | View Record in Scopus | Cited By in Scopus [7] Y.S. Tarng and S.T. Cheng, Fuzzy control of feed rate in end milling operations, International Journal of Machine Tools and Manufacture 33 (1993) (4), pp. 643–650. Abstract | View Record in Scopus | Cited By in Scopus [8] I. Inasaki, Sensor fusion for monitoring and controlling grinding processes, International Journal of Advanced Manufacturing Technology 15 (1999) (10), pp. 730–736. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus [9] C.E. Everson and S.H. Cheraghi, The application of acoustic emission for precision drilling process monitoring, International Journal of Machine Tools and Manufacture 39 (1999) (3), pp. 371–387. SummaryPlus | Full Text + Links | PDF (2258 K) | View Record in Scopus | Cited By in Scopus [10] S. Dolinsek and J. Kopac, Acoustic emission signals for tool wear identification, Wear 225 (1999) (1), pp. 295–303. SummaryPlus | Full Text + Links | PDF (687 K) | View Record in Scopus | Cited By in Scopus [11] J.-S. Kim, M.-C. Kang, B.-J. Ryu and Y.-K. Ji, Development of an on-line tool life monitoring system using acoustic emission signals in gear shaping, International Journal of Machine Tools and Manufacture 39 (1999) (11), pp. 1761–1777. SummaryPlus | Full Text + Links | PDF (2498 K) | View Record in Scopus | Cited By in Scopus [12] X. Li and X. Yao, Multi-scale statistical process monitoring in machining, IEEE Transactions on Industrial Electronics 51 (2005) (3), pp. 924–927. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus [13] D. Choi, W.T. Kwon and C.N. Chu, Real time monitoring of tool fracture in turning using sensor fusion, International Journal of Advanced Manufacturing and Technology 15 (1999) (5), pp. 305–310. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus [14] X. Li, S. Dong and P.K. Venuvinod, Hybrid learning for tool wear monitoring, International Journal of Advanced Manufacturing Technology 16 (2000), pp. 303–307. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus [15] X. Li, Y.S. Wong and A.Y.C. Nee, Tool wear and chatter detection using the coherence function of two crossed accelerometers, International Journal of Machine Tools and Manufacture 37 (1997) (4), pp. 425–435. SummaryPlus | Full Text + Links | PDF (596 K) | View Record in Scopus | Cited By in Scopus [16] D.E. Dimla, The correlation of vibration signal features to cutting tool wear in a metal turning operation, International Journal of Advanced Manufacturing Technology 19 (2002) (10), pp. 705–713. [17] Y. Altintas, In-process detection of tool breakages using time series monitoring of cutting forces, International Journal of Machine Tools and Manufacture 28 (1988), pp. 157–172. Abstract | View Record in Scopus | Cited By in Scopus [18] D.K. Baek, T.J. Ko and H.S. Kim, Real time monitoring of tool breakage in a milling operation using a digital signal processor, Journal of Material Processing Technology 100 (2000), pp. 266–272. SummaryPlus | Full Text + Links | PDF (244 K) | View Record in Scopus | Cited By in Scopus [19] H.M. Ertunc, K.A. Loparo and H. Ocak, Tool wear condition monitoring in drilling operations using hidden Markov models (HMMs), International Journal of Machine Tools and Manufacture 41 (2001), pp. 1363–1384. SummaryPlus | Full Text + Links | PDF (274 K) | View Record in Scopus | Cited By in Scopus [20] G.D. Kim and C.N. Chu, In-process tool fracture monitoring in face milling using spindle motor current and tool fracture index, International Journal of Advanced Manufacturing Technology 18 (2001), pp. 383–389. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus [21] B.Y. Lee and Y.S. Tarng, Application of the discrete wavelet transform to the monitoring of tool failure in end milling using the spindle motor current, International Journal of Advanced Manufacturing Technology 15 (1999), pp. 238–243. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus [22] X. Li, On-line detection of the breakage of small diameter drills using current signature wavelet transform, International Journal of Machine Tools and Manufacture 39 (1999) (1), pp. 157–164. View Record in Scopus | Cited By in Scopus [23] R. Du and K. Yeung, Fuzzy transition probability: a new method for monitoring progressive faults. Part 1: the theory, Engineering Applications of Artificial Intelligence 17 (2004) (5), pp. 457–467. SummaryPlus | Full Text + Links | PDF (563 K) | View Record in Scopus | Cited By in Scopus [24] W. Wang, M. Golnaraghi and F. Ismail, Prognosis of machine health condition using neuron-fuzzy systems, Journal of Mechanical Systems and Signal Processing 18 (2004), pp. 813–831. SummaryPlus | Full Text + Links | PDF (499 K) | View Record in Scopus | Cited By in Scopus [25] A. Parlos, K. Kim and R. Bharadwaj, Sensorless detection of mechanical faults in electromechanical systems, Mechatronics 14 (2004), pp. 357–380. SummaryPlus | Full Text + Links | PDF (713 K) | View Record in Scopus | Cited By in Scopus [26] Z. Hong and H. Bing, Analysis of engine front noise using sound intensity techniques, Journal of Mechanical Systems and Signal Processing 19 (2005), pp. 213–221. [27] D.A. Dornfeld, Neural network sensor fusion for tool condition monitoring, Annals CIRP 39 (1990), pp. 101–105. [28] N. Xiong and P. Svensson, Multi-sensor management for information fusion: issues and approaches, Information Fusion 3 (2002) (2), pp. 163–186. SummaryPlus | Full Text + Links | PDF (565 K) | View Record in Scopus | Cited By in Scopus [29] Y.M. Chen and H.C. Huang, Fuzzy logic approach to multisensor data association, Mathematics and Computers in Simulation 52 (2000), pp. 399–412. SummaryPlus | Full Text + Links | PDF (352 K) | View Record in Scopus | Cited By in Scopus [30] K. Goebel, Architecture and design of a diagnostic information fusion system, Artificial Intelligence for Engineering Design, Analysis and Manufacturing 15 (2001), pp. 335–348. Full Text via CrossRef | View Record in Scopus | Cited By in Scopus [31] T. Boutros, Fault detection and diagnosis in machining processes and rotating machinery using fuzzy approach and hidden Markov model, Ph.D. thesis, Department of Mechanical Engineering, University of Ottawa, 2006. [32] N. Gulley and R. Jang, Fuzzy Logic Toolbox for Use with MATLAB, The MathWorks Inc., Natick, MA (1995). [33] D. Driankov, H. Hellendoorn and M. Reinfrank, An Introduction to Fuzzy Control (second ed), Springer, Berlin (1996). [34] Case Western Reserve University, http://www.eecs.cwru.edu/laboratory/bearing/.