.png){kind=icon}
返回
ACO threshold segmentation algorithm based on regional dual thresholding optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s00170-025-16473-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
刀具磨损状态是直接影响工件加工质量的重要因素之一，例如手动观察刀具磨损；由于主观因素和观察误差，这会导致加工生产率降低、工件损坏等。针对上述问题，本文提出了一种基于蚁群优化算法的在线刀具磨损检测方法，用于计算刀具磨损的区域最优解，然后基于双阈值优化搜索算法计算区域理想解。实验表明，该算法解决了直接蚁群优化算法（ACO）进行刀具磨损检测时易陷入局部最优解的问题，并通过双阈值优化搜索算法的区域最优解计算解决了因强光干扰而无法正确识别的问题。验证实验表明，当用于更复杂的磨损区域识别时，该算法仍能自动有效地识别完整磨损区域的大小，并具有识别精度高、识别区域轮廓清晰的特点。
Keyword:
Tool wear
ACO algorithm
Dual-threshold optimization-seeking algorithm
The regional optimal solution
The regional ideal solution
期刊
T
IF:
0
论文数:
2.0K
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
Force sensor based online tool wear monitoring using distributed Gaussian ARTMAP network基于力传感器的分布式高斯ARTMAP网络刀具磨损在线监测
PREAI
分享收藏分享收藏
查看更多内容