期刊文献+

数控机床的预测性维护探讨

下载PDF
导出
摘要 本文就数控机床设备预测性维护相关问题进行了探讨,分析了预测性维护的原因,提出了建立预测性维护的条件,构建了预测性维护的具体步骤,为现代数控机床维护提出了建议和参照。
作者 钱晓琴
出处 《南方农机》 2019年第21期124-124,共1页
  • 相关文献

参考文献3

二级参考文献24

  • 1汪应洛.当代中国管理科学与工程的学科发展与创新[J].管理学报,2005,2(1):1-3. 被引量:31
  • 2张宝珍,曾天翔.PHM:实现F-35经济可承受性目标的关键使能技术[J].航空维修与工程,2005(6):20-23. 被引量:33
  • 3张玲玲,刘作仪,李若筠,房勇,杨涛,张超,杨晓光,汪寿阳.我国管理科学与工程学科的发展现状与趋势——基于专家调查问卷的分析[J].公共管理学报,2006,3(1):99-106. 被引量:18
  • 4GRAHAM-ROWE D, GOLDSTON D, DOCTOROW C, et al. Big data: Science in the petabyte era[J]. Nature, 2008, 455(7209): 8-9.
  • 5HINTON G E, SALAKHUTDINOV R R. Reducing the dimensionality of data with neural networks[J]. Science, 2006, 313(5786): 504-507.
  • 6KRIZHEVSKY A, SUTSKEVER I, HINTON G E. Imagenet classification with deep convolutional neural networks[C]//Advances in Neural Information Processing Systems, 2012: 1097-1105.
  • 7BALDI P, SADOWSKI P, WHITESON D. Searching for exotic particles in high-energy physics with deep learning[J]. Nature Communications, 2014, 5(1): 1-9.
  • 8WORDEN K, STASZEWSKI W J, HENSMAN J J. Natural computing for mechanical systems research: A tutorial overview[J]. Mechanical Systems and Signal Processing, 2011, 25(1): 4-111.
  • 9BENGIO Y. Learning Foundations and Trends 2(1): 1-127. deep architectures for AI[J] in Machine Learning, 2009,.
  • 10ERHAN D, BENGIO Y, COURVILLE A, et al. Why does unsupervised pre-training help deep learning?[J]. The Journal of Machine Learning Research, 2010, 11: 625-660.

共引文献412

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部