聂鹏
- 作品数：73 被引量：318H指数：11
- 供职机构：沈阳航空航天大学更多>>
- 发文基金：辽宁省教育厅高校重点实验室项目中国航空科学基金沈阳市人才资源开发专项资金更多>>
- 相关领域：自动化与计算机技术一般工业技术机械工程金属学及工艺更多>>
- 基于欠膨胀射流的SiO_2/环氧树脂纳米复合材料制备方法研究被引量：7
- 2005年
- 为实现在不添加分散剂的情况下将纳米粒子均匀分散在液相物料中,提出了一种基于欠膨胀射流的液相物料纳米粉添加分散方法.该方法利用欠膨胀射流将纳米粒子以气-粉微气泡的形式分散到液相物料内部,并利用微气泡受高频挤压爆破释放的能量,以及气泡膨胀过程产生的超声波效应和高拉伸场效应来实现纳米粉在液相物料中以纳米尺度粒子分散.设计了相应的分散系统,进行了无分散剂下纳米SiO2/环氧树脂添加分散实验.通过TEM和Tg测试对实验样品进行了表征,结果表明,分散相粒径在15～30nm之间,SiO2纳米颗粒均匀地分散在环氧树脂中.Tg温度比只经过一般高速机械搅拌得到的复合材料提高了约18℃.该方法解决了SiO2纳米粉颗粒在环氧树脂中的团聚问题.
- 聂鹏赵学增陈芳王伟杰
- 关键词：环氧树脂SIO2纳米复合材料
- 碳纳米纸阻燃聚合物基复合材料制备方法
- 碳纳米纸阻燃聚合物基复合材料制备方法，是为了解决现有树脂基纤维增强复合材料存在易燃、燃烧速度快，不易熄灭，所产生有毒气体污染环境等不安全因素；且在复合材料中加入碳纳米管等纳米材料虽可改善其阻燃性，但其阻燃防火特性与碳纳米...
- 卢少微张春旭高禹曾宪军聂鹏王继杰王志
- 文献传递
- 基于切削声信号与优化SVM的刀具磨损状态监测被引量：14
- 2015年
- 提出了一种利用切削声实现刀具磨损状态多特征监测的方法。根据经验模态分解与Hilbert变换理论,提取切削声信号的内禀模态能量与不同频段的Hilbert谱能量作为监测信号的备选特征。采用支持向量机作为分类器,针对备选特征的有效筛选问题,利用多种群遗传算法对分类器的输入特征进行了优化,剔除备选特征中的干扰特征,利用多种群遗传算法对分类器的模型参数进行了优化。利用优化后的分类器对测试样本进行分类,并与优化前的分类结果进行了对比。结果表明,优化后分类器的分类性能得到了明显提升,该方法可以对刀具磨损状态进行有效识别。
- 张锴锋袁惠群聂鹏
- 关键词：经验模态分解HILBERT变换支持向量机多种群遗传算法
- 零磁通电流传感器的研制被引量：6
- 2003年
- 对电流传感器的误差进行了分析,研制了一种用于高压电容性设备在线监测的穿心式高准确度微电流传感器。通过单片机系统,对激磁电流进行补偿,使传感器近似工作在"零磁通"状态。测试表明,补偿收到了良好的效果。
- 王伟杰卫军赵学增聂鹏
- 关键词：零磁通电流传感器单片机激磁电流补偿方法
- 基于碳纳米管三维网络薄膜的温度传感器制备方法
- 基于碳纳米管三维网络薄膜的温度传感器制备方法，主要解决了现有基于聚合物内的碳纳米管导电网络作为温度传感器方法会带来复合材料成型难，影响整体力学性能及成本高的问题。实现步骤：a、将碳纳米管和表面分散剂混合物通过机械融合的方...
- 卢少微张海军聂鹏高禹吕伟王继杰
- 基于粗糙集神经网络的刀具磨损监测的研究
- 2014年
- 针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型。该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的。然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点。将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性。
- 聂鹏郭勇李正强张锴锋陈彦海
- 关键词：粗糙集遗传算法神经网络
- 基于遗传算法优化SVM的刀具VB值预测的研究被引量：3
- 2015年
- 针对刀具磨损量的预测问题,建立了基于支持向量机回归理论的刀具VB值的在线预测模型。对声发射信号和电流信号分别进行EEMD分解和小波包分解得到的能量值,把它与主轴转速、进给量和背吃刀量一起组成初始特征向量。通过主成分分析进行数据处理,把得到主元作为遗传算法优化的支持向量回归机的输入向量。结果表明,该模型精度高,运行速度快。
- 聂鹏何超许良李正强崔凯奇
- 关键词：支持向量回归机遗传算法主成分分析
- 基于EMD与LS-SVM的刀具磨损识别方法被引量：16
- 2011年
- 针对刀具磨损声发射信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了基于经验模态分解和最小二乘支持向量机的刀具磨损状态识别方法.首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之和,然后分别对每一个固有模态函数进行自回归建模,最后提取每一个自回归模型的系数组成特征向量,特征向量被分为两组,一组用于对最小二乘支持向量机训练,另一组用于识别刀具磨损状态.试验结果表明:该方法能很好地识别刀具磨损状态,与BP神经网络相比具有更高的识别率.
- 关山王龙山聂鹏
- 关键词：最小二乘支持向量机经验模态分解自回归模型
- 局部均值分解在刀具故障诊断中的应用被引量：5
- 2012年
- 为有效监测刀具磨损状态,提出一种基于局部均值分解的刀具故障诊断方法.将声发射信号自适应地分解为一系列乘积函数,选取包含主要故障信息的前8个乘积函数分量,获得每个乘积函数分量的平均能量,并组成特征向量.分别提取正常切削、中期磨损和严重磨损三种状态下的特征向量,利用频带能量的变化识别刀具磨损特征.实验结果表明,随着刀具的磨损,各乘积函数分量平均能量增加,并且在高频部分增加显著,该方法可以有效应用在刀具故障诊断中.
- 聂鹏高辉陈彦海李正强董慧
- 关键词：局部均值分解刀具故障诊断声发射
- 刀具磨损检测仪
- 刀具磨损检测仪，包括声发射传感器、前置放大器、信号调理模块、信号处理模块和显示控制模块。声发射传感器通过外壳的磁铁吸附在安有刀具的刀架的背面，其输出端接入前置放大器。前置放大器由信号电缆A接入信号调理模块，信号调理模块的...
- 聂鹏陈彦海徐涛徐洪垚李正强
- 文献传递
