现代作业车间设备运行状态信息的系统特性及采集方法研究
|
摘要
现代作业车间是一种先进的作业车间制造系统，其优化运行需要实时掌握作业车间设备的各种运行状态信息。论文从现代作业车间制造系统的优化运行的角度，以其制造过程“快速、优质、高效、低成本、低能耗、绿色无害”的综合需求为目标，结合国家自然科学基金课题“现代作业车间制造系统运行状态信息的系统特性和采集新方法研究”，（项目编号：50775228）以及国家科技支撑计划课题“绿色制造技术体系与运行模式研究（项目编号：2006BAF02A01-01）”，对作业车间的设备运行状态多维度信息模型、设备运行状态信息构成及系统特性、设备运行状态信息的应用模型及相关运行状态信息采集方法进行较系统地研究，研究内容如下。
①针对现代作业车间的优化运行目标，研究建立了包括设备基础状态信息维、设备加工进度状态信息维、设备物流状态信息维、设备能流状态信息维、设备环境状态信息维和设备加工质量状态信息维等在内的六维度现代作业车间设备运行状态信息模型，并对设备运行状态各维度信息进行了详细分解和描述。在多维度信息模型的基础上，研究了作业车间设备运行状态信息的主要信息动静态特性及关联特性，最后给出了包含设备多维度信息及关联特性在内的作业车间设备运行状态信息应用集成模型。
②为了获取现代作业车间设备运行状态信息，研究了利用功率信息基于过程匹配和分类统计的两种设备运行状态信息采集方法，具体包括：1）研究了一种基于动态时间弯折（Dynamic Time Warping，DTW）技术和实时功率信息的在线加工工件自动识别和监控方法，用于采集设备在加工工件信息及加工状态，以解决工件加工进度信息的采集主要靠人工统计，且在混类加工时经常出错及工人为加快加工进度擅自改变加工参数造成浪费等现象。2）研究了一种结合工件加工能耗信息特征分析及支持向量机（Support Vector Machine，SVM）分类的工件在线识别和统计方法，该方法利用一组设备加工能耗统计参数及加工功率特征参数组成的加工特征信息来区分设备加工工件，设备加工完成时通过决策函数对加工任务特征信息进行分类并识别该工件的类型，可快速完成设备加工任务进度的在线统计；
③为了在数控机床加工中对刀具破损进行有效监测以避免对工件及机床造成损坏，研究了一种利用机床加工功率特征信息和互相关算法的刀具破损在线监测方法。该方法通过Mallat多分辨分析小波算法提取工件正常加工时的主轴功率变化特征序列作为监测刀具状态的特征参考模板，在工件批量加工时采用改进的实时小波算法提取在加工工件的特征向量序列并与特征参考模板序列进行局部实时广义互相关系数计算，当刀具发生破损失效时，与正常情况相比在采样点计算时窗内的两特征向量子序列的相关性显著降低，将表征序列相关性的广义互相关系数定义为刀具状态系数，对该系数设定合理的门限值即可监测刀具状态的异常。该方法可用于在设备加工时监测刀具状态并提供实时刀具破损状态信息。
最后对本文信息模型理论及相关方法在作业车间通过企业使用案例进行了验证。
Modern job-shop is an advanced manufacturing system with many features, suchas various kinds of production, a high degree of personalization, rapid change, smallvolume and so on. For the optimized planning of the job-shop, a series of informationstatus must be ready to grasp, such as the dynamic situation of online manufacturingworkpiece, the condition and utilization of equipments, etc. With the comprehensiveneeds of "Fast, high quality, high efficiency, low cost, low power consumption" as thegoal, and in combination with the National Natural Science Fund Project, Research onSystem Characteristics and New Collecting Methods of the Operating StatusInformation of Modern Job Shop Manufacturing System（Project Number：50775228）,extraction methods and application models of running-status information of job-shopmanufacturing equipments are studied in the paper from the view of optimal operationof the modern job-shop manufacturing system. Main research contents are listedbellow：
①According to the shotage of research in running-status information model ofjob-shop manufacturing equipmentsin at present, A multi-dimensional informationmodel of job-shop manufacturing equipmentsin is put forward. The model contains sixinformation dimensions, including basic information dimension, logistics informationdimension, power flow information dimension, environmental information dimension,quality information dimension, and each dimension is detailed decomposition anddescription. Based on the multi-dimensional information model, the Static and dynamiccharacteristics and associated characteristics of job-shop manufacturing equipmentsrunning-status information is analysised, then Several typical information associatedcharacteristics of job-shop manufacturing equipments is approved. Then a modelincluding target layer, information supporting layer, information sources and acquisitionlayer is established.
②In order to support the data acquisition of jobshop manufacturing equipmentsrunning-status information, several acquisition methods based on power information areproposed. Include the following:
1）According to analysis of the properties of spindle-power of CNC machine tool, akind of automatic identification and machining progress monitoring method formachined workpiece, based on dynamic time warping technology and spindle-power information, is proposed. Its purpose is to solve some problems in job shop, such asmachining progress information mainly relied on manual statistics incurring frequenterror in case of mixed type machining, some workpieces are scrapped because ofunauthorized change of machining parameter, and so on.
2）In order to solve the problem that the workpiece machining progress informationmainly relied on manual statistics incurring frequent error in case of mixed categorymachining, a kind of workpiece online identification method based on Support VectorMachine(SVM) algorithm and power information is proposed. According to the testresult that the identification method is good at robustness and generalization.
③In order to reliably monitor unexpected tool failure and to prevent workpiece ormachine tool from possible damages in batch machining, a tool breakage on-linemonitoring method based on power information and cross-correlation algorithm isproposed. In this method, wavelet coefficients of spindle-power signal are used as thecharacteristic vector of machining information, and then the vector sequence extractedfrom a normal machining process via Mallat wavelet is defined as the referencetemplate for monitoring cutting tool condition. In batch machining, real-timecharacteristic vector of the workpiece in machining process is extracted via an improvedreal-time wavelet algorithm. The correlation of two vector sub-sequences within asampling time window, which is described by generalized cross-correlation coefficient,decreases apparently when the tool is broken. The generalized cross-correlationcoefficient is defined as tool condition index (TCI), and tool breakage can be detectedby monitoring the TCI with a threshold value.
In the end, the application of the methods is shown.
①针对现代作业车间的优化运行目标，研究建立了包括设备基础状态信息维、设备加工进度状态信息维、设备物流状态信息维、设备能流状态信息维、设备环境状态信息维和设备加工质量状态信息维等在内的六维度现代作业车间设备运行状态信息模型，并对设备运行状态各维度信息进行了详细分解和描述。在多维度信息模型的基础上，研究了作业车间设备运行状态信息的主要信息动静态特性及关联特性，最后给出了包含设备多维度信息及关联特性在内的作业车间设备运行状态信息应用集成模型。
②为了获取现代作业车间设备运行状态信息，研究了利用功率信息基于过程匹配和分类统计的两种设备运行状态信息采集方法，具体包括：1）研究了一种基于动态时间弯折（Dynamic Time Warping，DTW）技术和实时功率信息的在线加工工件自动识别和监控方法，用于采集设备在加工工件信息及加工状态，以解决工件加工进度信息的采集主要靠人工统计，且在混类加工时经常出错及工人为加快加工进度擅自改变加工参数造成浪费等现象。2）研究了一种结合工件加工能耗信息特征分析及支持向量机（Support Vector Machine，SVM）分类的工件在线识别和统计方法，该方法利用一组设备加工能耗统计参数及加工功率特征参数组成的加工特征信息来区分设备加工工件，设备加工完成时通过决策函数对加工任务特征信息进行分类并识别该工件的类型，可快速完成设备加工任务进度的在线统计；
③为了在数控机床加工中对刀具破损进行有效监测以避免对工件及机床造成损坏，研究了一种利用机床加工功率特征信息和互相关算法的刀具破损在线监测方法。该方法通过Mallat多分辨分析小波算法提取工件正常加工时的主轴功率变化特征序列作为监测刀具状态的特征参考模板，在工件批量加工时采用改进的实时小波算法提取在加工工件的特征向量序列并与特征参考模板序列进行局部实时广义互相关系数计算，当刀具发生破损失效时，与正常情况相比在采样点计算时窗内的两特征向量子序列的相关性显著降低，将表征序列相关性的广义互相关系数定义为刀具状态系数，对该系数设定合理的门限值即可监测刀具状态的异常。该方法可用于在设备加工时监测刀具状态并提供实时刀具破损状态信息。
最后对本文信息模型理论及相关方法在作业车间通过企业使用案例进行了验证。
Modern job-shop is an advanced manufacturing system with many features, suchas various kinds of production, a high degree of personalization, rapid change, smallvolume and so on. For the optimized planning of the job-shop, a series of informationstatus must be ready to grasp, such as the dynamic situation of online manufacturingworkpiece, the condition and utilization of equipments, etc. With the comprehensiveneeds of "Fast, high quality, high efficiency, low cost, low power consumption" as thegoal, and in combination with the National Natural Science Fund Project, Research onSystem Characteristics and New Collecting Methods of the Operating StatusInformation of Modern Job Shop Manufacturing System（Project Number：50775228）,extraction methods and application models of running-status information of job-shopmanufacturing equipments are studied in the paper from the view of optimal operationof the modern job-shop manufacturing system. Main research contents are listedbellow：
①According to the shotage of research in running-status information model ofjob-shop manufacturing equipmentsin at present, A multi-dimensional informationmodel of job-shop manufacturing equipmentsin is put forward. The model contains sixinformation dimensions, including basic information dimension, logistics informationdimension, power flow information dimension, environmental information dimension,quality information dimension, and each dimension is detailed decomposition anddescription. Based on the multi-dimensional information model, the Static and dynamiccharacteristics and associated characteristics of job-shop manufacturing equipmentsrunning-status information is analysised, then Several typical information associatedcharacteristics of job-shop manufacturing equipments is approved. Then a modelincluding target layer, information supporting layer, information sources and acquisitionlayer is established.
②In order to support the data acquisition of jobshop manufacturing equipmentsrunning-status information, several acquisition methods based on power information areproposed. Include the following:
1）According to analysis of the properties of spindle-power of CNC machine tool, akind of automatic identification and machining progress monitoring method formachined workpiece, based on dynamic time warping technology and spindle-power information, is proposed. Its purpose is to solve some problems in job shop, such asmachining progress information mainly relied on manual statistics incurring frequenterror in case of mixed type machining, some workpieces are scrapped because ofunauthorized change of machining parameter, and so on.
2）In order to solve the problem that the workpiece machining progress informationmainly relied on manual statistics incurring frequent error in case of mixed categorymachining, a kind of workpiece online identification method based on Support VectorMachine(SVM) algorithm and power information is proposed. According to the testresult that the identification method is good at robustness and generalization.
③In order to reliably monitor unexpected tool failure and to prevent workpiece ormachine tool from possible damages in batch machining, a tool breakage on-linemonitoring method based on power information and cross-correlation algorithm isproposed. In this method, wavelet coefficients of spindle-power signal are used as thecharacteristic vector of machining information, and then the vector sequence extractedfrom a normal machining process via Mallat wavelet is defined as the referencetemplate for monitoring cutting tool condition. In batch machining, real-timecharacteristic vector of the workpiece in machining process is extracted via an improvedreal-time wavelet algorithm. The correlation of two vector sub-sequences within asampling time window, which is described by generalized cross-correlation coefficient,decreases apparently when the tool is broken. The generalized cross-correlationcoefficient is defined as tool condition index (TCI), and tool breakage can be detectedby monitoring the TCI with a threshold value.
In the end, the application of the methods is shown.
引文
[1]刘飞.制造系统工程[M].北京：国防工业出版社，2000.
[2]王世杰，于连奎. CAPP环境下机床选择模块的设计方法[J].沈阳工业大学学报，1994，16（003）：107-113.
[3]朱高峰.新世纪如何提高和发展我国制造业[J].中国制造业信息化，2003，32（4）：4-6.
[4]曹华军，刘飞，何彦，等.面向绿色制造的机床设备选择模型及其应用[J].机械工程学报，2004，40（003）：26-30.
[5]何彦，刘飞，曹华军，等.面向绿色制造的工艺规划支持系统及应用[J].计算机集成制造系统，2005，11（007）：975-980.
[6]朱高峰，郭重庆.全球化时代的中国制造[M].北京：社会科学文献出版社，2003.
[7]雷源忠.现代制造科学的新发展[J].中国机械工程，1999，10（009）：962-965.
[8]阎树田，田波.论现代化与中国制造业[J].工程机械，2003，34（011）：20-24.
[9]中华人民共和国国家统计局.中华人民共和国2010年国民经济和社会发展统计公报[J].中国统计，2011，中国统计出版社（03）
[10]中华人民共和国国家统计局.中华人民共和国2011年国民经济和社会发展统计公报[J].中国统计，2012，03：4-9.
[11] UNIDO U N I D O. International Yearbook of Industrial Statistics2010[M]. Northampton：Edward Elgar Pub(April2010)，2010.
[12] CHRYSSOLOURIS G. Manufacturing systems: theory and practice[M].2ed. New York：Springer-Verlag，2006.
[13] LIU F，ZHANG H，WU P，et al. A model for analyzing the consumption situation of productmaterial resources in manufacturing systems[J]. Journal of materials processing technology，2002，122（2）：201-207.
[14]刘飞，任凡，王东强.现代作业车间运行信息的系统模型及应用研究[J].中国机械工程，2009，10（006）：683-687.
[15]安全管理网.设备管理的意义和内容[M/OL]. http://www.safehoo.com/Manage/Theory/201008/46431.shtml.2012.
[16]冯之敬.制造工程与技术原理[M].北京：清华大学出版社，2004.
[17]王绿克.企业设备管理信息化的重要性分析[J].现代商业，2009，3：207-207.
[18]严浩云，李宏余.基于面向负荷的生产控制的紧急订单插单问题[J].计算机集成制造系统，2009，15（009）：1809-1815.
[19]张良.车间设备集成控制系统中数控机床状态监测的研究[D].武汉：武汉理工大学，2007.
[20]柴永生，吴秀丽，孙树栋，等.设备管理信息系统及其关键技术研究[J].计算机工程与应用，2004，12：212-215.
[21] SHAOHUA H，FEI L，YAN H，et al. An on-line approach for energy efficiency monitoringof machine tools[J]. Journal of Cleaner Production，2012，27（0）：133-140.
[22] DAHMUS J，GUTOWSKI T. An environmental analysis of machining[C]. InternationalMechanical Engineering Congress and Exposition.Anaheim,CA,United states:ASME,2004:643-652.
[23] ALHOURANI F，SAXENA U. Factors affecting the implementation rates of energy andproductivity recommendations in small and medium sized companies[J]. Journal ofManufacturing Systems，2009，28（1）：41-45.
[24] KUNPENG Z，WONGA Y S，HONG G S. Wavelet analysis of sensor signals for toolcondition monitoring: A review and some new results[J]. International Journal of MachineTools and Manufacture，2009，49（7-8）：537-553.
[25]高中涛，刘仁龙.印刷电路板数控机床断刀检测系统[J].重庆大学学报，2008，3（1003）：290-293.
[26] AMER W，GROSVENOR R I，PRICKETT P W. Sweeping filters and tooth rotation energyestimation (TREE) techniques for machine tool condition monitoring[J]. InternationalJournal of Machine Tools and Manufacture，2006，46（9）：1045-1052.
[27] YESILYURT I. End mill breakage detection using mean frequency analysis of scalogram[J].International Journal of Machine Tools and Manufacture，2006，46（3-4）：450-458.
[28] PRASOPCHAICHANA K，KWON O-Y. Sensor Fusion by Neural Network and WaveletAnalysis for Drill-Wear Monitoring[J]. Journal of Solid Mechanics and MaterialsEngineering，2010，4（6）：749-760.
[29] CHEN A，TANG C，YUAN C，et al. Mining correlations between multi-streams based onhaar wavelet[C]. Proc of the10th Advances in Computer Science.Berlin:Springer-Verlag,2005:270-271.
[30] ZHENGJIA H，HONGRUI C，ZHEN L，et al. The principle of second generation waveletfor milling cutter breakage detection[J]. Science in China Series E: Technological Sciences，2009，52（5）：1312-1322.
[31] MALLAT S. A wavelet tour of signal processing[M]. New York：Academic Press，1999.
[32] AKOJWAR S，PATRIKAR R. Real Time Classifier For Industrial Wireless Sensor NetworkUsing Neural Networks with Wavelet Preprocessors[C], IEEE International Conference onIndustrial Technology(ICIT2006), Mumbai,2006:512-517.
[33] MALLAT S，HWANG W. Singularity detection and processing with wavelets[J]. IEEEtransactions on information theory，1992，38（2Part2）：617-643.
[34] HALLATSCHEK K，ZILKER M. Real time data acquisition with transputers and PowerPCsusing thewavelet transform for event detection[J]. IEEE Transactions on Nuclear Science，1998，45（4Part1）：1872-1876.
[35]张雨.设备状态信息的现代辨识[M].北京：国防科技大学出版社，2002.
[36] ZHANG J Z，CHEN J C. Tool condition monitoring in an end-milling operation based onthe vibration signal collected through a microcontroller-based data acquisition system[J].The International Journal of Advanced Manufacturing Technology，2008，39（1）：118-128.
[37]隋天中，崔虹雯!，赵宏宇. CIMS环境下车间级生产过程的信息跟踪监控系统[J].东北大学学报（自然科学版），2005，12：1188-1191.
[38]戴青云.基于实时信息的制造智能系统[D].广州：中山大学，2006.
[39]王志新，金寿松.制造执行系统MES及应用[M].北京：中国电力出版杜，2006.
[40]刘建胜.离散型制造业MES若干关键技术及其应用研究[D].南昌：南昌大学，2008.
[41]毛周.基于MES的制造业动态设备管理信息系统研究[D].北京：北京化工大学，2008.
[42]王东强.作业车间制造系统生产进度提取方法及应用研究[D].重庆：重庆大学，2010.
[43]张大勇，徐晓飞. UML—XML集成的敏捷虚拟企业资源建模方法[J].中国机械工程，2003，14（005）：395-398.
[44]鲍震宁，张洵，范玉顺，等.企业资源建模方法研究[J].航空制造技术，2002，12：41-44.
[45]张玉云，吴瑞荣.制造系统资源建模与适应性工艺过程设计[J].计算机集成制造系统，1997，3（005）：34-39.
[46]盛步云.企业集成化动态制造资源建模[J].武汉汽车工业大学学报，2000，22（002）：19-21.
[47]何汉武，熊有伦.面向并行工程的模具制造设备建模[J].机械科学与技术(西安)，2000，19（003）：470-472.
[48] GARRIDO CAMPOS J，HARDWICK M. A traceability information model for CNCmanufacturing[J]. Computer-Aided Design，2006，38（5）：540-551.
[49]刘飞，徐宗俊，但斌，等.机械加工系统能量特性及其应用[M].北京：机械工业出版社，1995.
[50]杨宏安，孙树栋，徐娅萍，等.可重构车间管理信息平台研究与实现[J].中国机械工程，2006，17（017）：1793-1797.
[51] GOPALAKRISHNAN B，KOKATNUR A，GUPTA D. Design and development of atarget-costing system for turning operation[J]. Journal of Manufacturing TechnologyManagement，2007，18（2）：217-238.
[52] QIU R G，RUSSELL D W. A formal model for incorporating shop floor controls into plantinformation systems[J]. The International Journal of Advanced Manufacturing Technology，2004，23（1）：47-57.
[53] LIANG S Y，HECKER R L，LANDERS R G. Machining process monitoring and control:the state-of-the-art[J]. Journal of manufacturing science and engineering，2004，126（3）：297-310.
[54] BHATTACHARYYA P，SENGUPTA D，MUKHOPADHYAY S，et al. On-line toolcondition monitoring in face milling using current and power signals[J]. InternationalJournal of Production Research，2008，46（4）：1187-1201.
[55]邵华，王海丽. SJ―FMS刀具状态功率监控系统[J].机械设计与研究，1997，3：44-46.
[56] ENERGY T U D O. DETERMINING ELECTRIC MOTOR LOAD AND EFFICIENCY[M/OL].2007[2012/04]. http://www1.eere.energy.gov/manufacturing/tech_deployment/pdfs/10097517.pdf(English).
[57]马春翔，潘铭跃，时轮，等.基于主轴电机功率珩磨加工过程的监控[J].计量学报，2006，27（z1）：150-153.
[58] KORDONOWY D N. A power assessment of machining tools[D]. Massachusetts：Massachusetts Institute of Technology，2002.
[59]刘飞，刘军，何彦.基于参考功率曲线的大型工件加工进度状态信息的自动采集新方法[J].机械工程学报，2009，45（10）：111-117.
[60]温熙森，胡茑庆，邱静.模式识别与状态监控[M].长沙：国防科技大学出版社，1997.
[61] WU S J，TSAI T R. Estimation of time-to-failure distribution derived from a degradationmodel using fuzzy clustering[J]. Quality and Reliability Engineering International，2000，16（4）：261-267.
[62]陈保家，陈雪峰，何正嘉，等.利用运行状态信息的机床刀具可靠性预测方法[J].西安交通大学学报，2010，44（009）：74-77.
[63]单晖.基于实时工况的Job Shop动态随机重调度方法研究[D].合肥：合肥工业大学，2008.
[64] ZIO E. Reliability engineering: Old problems and new challenges[J]. ReliabilityEngineering&System Safety，2009，94（2）：125-141.
[65]胡友民，杜润生，杨叔子.制造系统数据采集技术研究[J].制造业自动化，2002，24（003）：23-27.
[66]曹伟，史金飞，戴敏.基于ARM的手持数据采集终端设计[J].中国制造业信息化，2007，36（008）：45-48.
[67]许敬.离散型制造车间数据采集系统的研究与开发[D].南京：南京理工大学，2008.
[68]刘飞，鄢萍，贺德强.网络化制造系统中的多功能交互式信息终端[P]：中国，ZL02113585.1[P/OL].2003-10-22[2002-04-06]. http://211.157.104.87:8080/sipo/zljs/hyjs-yx-new.jsp?recid=CN200710078406.1.
[69]刘丽文.生产与运作管理[M].北京：清华大学出版社，2002.
[70] HUANG G，ZHANG Y，JIANG P. RFID-based wireless manufacturing for real-timemanagement of job shop WIP inventories[J]. The International Journal of AdvancedManufacturing Technology，2008，36（7）：752-764.
[71]张映锋，江平宇，黄国全，等. e-制造模式下制造信息动态跟踪方法研究[J].应用科技，2009，36（005）：1-4.
[72]王东强，鄢萍，刘飞，等.基于EPC规范的车间层多源信息集成技术[J].中国机械工程，2010，21（03）：319-324,377.
[73]王召鹏，陈国金.利用宏指令实现数控机床状态采集方法的研究[J].现代制造工程，2006，11：134-136.
[74]鄢萍，李超，刘飞.一种基于宏指令的数控加工进度采集方法[J].重庆理工大学学报:自然科学，2010，6：18-22.
[75]黄登红，洪小丽.中断型宏指令功能在刀具破损在线监控系统中的应用[J].工具技术，2006，40（007）：76-78.
[76]韩亚利，陈勇.基于小波分析的数控刀具状态在线监控系统[J].装备制造技术，2009，7：71-73.
[77]肖士利，叶文华.数控机床的现场数据实时采集和监视系统的研究[J].中国制造业信息化，2008，37（006）：38-42.
[78]彭跃湘.数控机床故障诊断及维护[M].北京：清华大学出版社，2006.
[79]何正嘉，訾艳阳，陈雪峰，等.内积变换原理与机械故障诊断[J].振动工程学报，2007，20（005）：528-533.
[80]程军圣，于德介，杨宇.一种基于Hilbert-Huang变换和AR模型的滚动轴承故障诊断方法[J].系统工程理论与实践，2004，24（010）：92-97.
[81]雷亚国，何正嘉，訾艳阳.基于混合智能新模型的故障诊断[J].机械工程学报，2008，44（007）：112-117.
[82] YAN W，WEIPING F，HONG Z，et al. A Method for Recognition of Work-Pieces Based onImproved SIFT Characteristics Matching[C]; Proceedings of the World Congress onSoftware Engineering, Xiamen, China F19-21May2009:29-33.
[83]刘克，杨静宁.基于形状不变特征和三维几何参数的工件识别方法[J].南京理工大学学报:自然科学版，1993，4：18-23.
[84]车录锋，周晓军.基于模糊集和遗传算法的多传感器信息融合工件识别[J].模式识别与人工智能，2000，13（001）：87-89.
[85]陈守煜，胡吉敏.可变模糊方法及其在工件识别中的应用[J].系统工程与电子技术，2006，28（009）：1325-1328.
[86] SHAO H，WANG H L，ZHAO X M. A cutting power model for tool wear monitoring inmilling[J]. International Journal of Machine Tools and Manufacture，2004，44（14）：1503-1509.
[87] MAO X，LIU H，LI B. Time-frequency analysis and detecting method research on millingforce token signal in spindle current signal[J]. Science in China Series E: TechnologicalSciences，2009，52（10）：2810-2813.
[88]张佳毅.数控机床批量加工过程异常状况的功率监测技术研究[D].重庆：重庆大学，2009.
[89]王寒枫，林益耀.关于利用切削功率监控刀具状态的评述[J].机械制造，1995，3（3004）：4-6.
[90]万军，蔡复之.加工中心铣刀破损的功率监控[J].机床，1990，10：8-11.
[91]刘飞，徐宗俊.机床功率监控系统的数学模型及其应用[J].机械工程学报，1992，28（004）：7-12.
[92]甘启义，刘飞，徐宗俊.机床功率监控技术中一种新的监控特征量[J].组合机床与自动化加工技术，1992，10：20-22.
[93]邵华，林益耀.刀具功率监控系统中功率信号的实时处理问题[J].机械设计与研究，1994，1：19-21.
[94] LANG L，WANLI X，HANG G. Mechanical-electric coupling dynamical characteristics ofan ultra-high speed grinding motorized spindle system[J]. Chinese Journal of MechanicalEngineering(English Edition)，2008，21（5）：34-40.
[95] NING L，TIELIN S. Estimation of the number of correlated sources with commonfrequencies based on power spectral density[J]. Chinese Journal of MechanicalEngineering，2007，20（4）：88-93.
[96]施金良，刘霜，鄢萍，等.一种数控机床相邻工步间空载运行时停机节能实施方法：中国，ZL200810070302.0[P/OL].2010-02-24[2008-09-16]. http://211.157.104.87:8080/sipo/zljs/hyjs-yx-new.jsp?recid=CN200810070302.0.
[97]施金良.变频调速数控机床运行过程能量特性及节能技术研究[D].重庆：重庆大学，2009.
[98] KJELLBERGA T，BOHLIN M. Design of a manufacturing resource information system[J].CIRP Annals-Manufacturing Technology，1996，45（1）：149-152.
[99]施金良，刘飞，许弟建，等.变频调速数控机床主传动系统的功率平衡方程[J].机械工程学报，2010，46（003）：118-124.
[100] GUTOWSKI T，DAHMUS J，THIRIEZ A. Electrical energy requirements for manu-facturing processes[C].13th CIRP International Conference on Life Cycle Engineering,Leuven, May31st–June2nd,2006.
[101]昝涛.制造车间的设备状态和产品质量信息集成与分析诊断[D].北京：北京工业大学，2007.
[102]于涛.工序质量控制系统研究[M].北京：经济管理出版社，2002.
[103]余宜海，章易程，李方.特征性与开放性的设备制造能力信息描述模型[J].机械，2006，33（001）：36-38.
[104]谷振宇.定制型制造企业绿色制造实施模型及实施方法研究[D].重庆：重庆大学，2010.
[105]任凡.机械加工车间环境影响信息模型及粉尘特性研究[D].重庆：重庆大学，2010.
[106]谷振宇，刘飞，任凡.基于生态指示器99的制造过程环境影响分析模型[J].中国机械工程，2010，21（8）：931-935.
[107]吴少雄.智能统计工序质量控制的体系研究[J].计算机集成制造系统，2006，12（011）：1832-1837.
[108]曲帅锋.基于车间信息集成的工序质量控制系统研究[D].武汉：武汉理工大学，2007.
[109]房纪涛，邓卫伟，于大.基于MES的实时智能过程质量监控系统研发[J].电子质量，2009，5：46-48.
[110]殷建军.面向多品种,小批量制造环境的过程质量监控方法及嵌入式系统的研究[D].杭州：浙江大学，2004.
[111]贺德强.网络化制造中设备层信息交互平台的研究[D].中国：重庆大学，2004.
[112] ZHANG J，CHUAH B，CHEUNG E，et al. Information modelling for manufacturingsystems: a case study[J]. Robotics and Computer-Integrated Manufacturing，1996，12（3）：217-225.
[113]张伯鹏.制造信息学[M].北京：清华大学出版社，2003.
[114] TANAKA F，ONOSATO M，KISHINAMI T，et al. Modeling and implementation of DigitalSemantic Machining Models for5-axis machining application[J]. Manufacturing Systemsand Technologies for the New Frontier，2008，4：177-182.
[115]郭兵，熊光泽.工具接口技术研究[J].计算机应用，2002，22（003）：18-21.
[116]刘飞，鄢萍，任海军，等.基于机床功率信息自动采集机械加工任务进度状态的方法：中国，ZL200710078406.1[P/OL].2007-10-24[2007-04-20]. http://211.157.104.87:8080/sipo/zljs/hyjs-yx-new.jsp?recid=CN200710078406.1.
[117]鄢萍，贺晓辉，易润忠，等.一种数控机床在线加工工件的自动识别和监控方法：中国，ZL200910191880.4[P/OL].2010-2011-02-25[2009-12-11]. http://211.157.104.87:8080/sipo/zljs/hyjs-yx-new.jsp?recid=CN200910191880.4.
[118]鄢萍，贺晓辉，易润忠，等.一种基于动态时间弯折和功率信息的在线加工工件自动识别和监控方法[J].机械工程学报，2011，47（3）：81-88.
[119]潘建岳，张玉峰.钻头磨损在线功率监控系统的研究:—适于变切削参数工况[J].机床，1993，11：11-14.
[120] FARMANI I，AREFI A，BAGHERI R，et al. Industrial Electric Motor Energy EfficiencyUnder Testing and Practical Conditions[J].
[121] MARINESCU I，AXINTE D A. A critical analysis of effectiveness of acoustic emissionsignals to detect tool and workpiece malfunctions in milling operations[J]. InternationalJournal of Machine Tools&Manufacture，2007，48（10）：1148–1160
[122] SHAOHUA H，LIU F，HE Y，et al. Characteristics of Additional Load Losses of SpindleSystem of Machine Tools[J]. Journal of Advanced Mechanical Design, Systems, andManufacturing，2010，4（7）：1221-1233.
[123]刘军.面向大型装备产品生命周期的生产设备集成运行模式及支持技术研究[D].重庆：重庆大学，2009.
[124]童亮，鄢萍，刘飞，等.基于动态适配的数控设备信息语义集成研究[J].计算机集成制造系统，2010，16（6）：1236-1245.
[125]刘卫宁，黄文雷，孙棣华，等.基于射频识别的离散制造业制造执行系统设计与实现[J].计算机集成制造系统，2007，13（010）：1886-1890.
[126]陈宇，陈新，陈新度，等.制造企业生产设备运行维护实时管理系统[J].系统工程理论与实践，2008，28（004）：65-72.
[127] TAKESHI O. Instrument for Measuring Machining Time of NC Machine Tool：Japan，2004-062613-A[P/OL].2004-02-26[2002-07-30]. http://www19.ipdl.inpit.go.jp/PA1/result/detail/main/wAAA5uay_kDA416062613P1.htm.
[128] TONSHOFF H K，LI X，LAPP C. Application of Fast Haar Transform and ConcurrentLearning to Tool-Breakage Detection in Milling[J]. IEEE/ASME Transactions onMechatronics，2007，8（3）：414-418.
[129]周凯，刘成颖.现代制造系统[M].北京：清华大学出版社，2005.
[130]易克初，田斌，付强.语音信号处理[M].北京：国防工业出版社，2000.
[131]邓乃扬，田英杰.数据挖掘中的新方法—支持向量机[M].北京：科学出版社，2004.
[132] SYED N，LIU H，SUNG K. From Incremental Learning to Model Independent InstanceSelection-A Support Vector Machine Approach[R]. Singapore:National University ofSingapore,1999.
[133]刘琼，陈昭平.监测切削功率变化的刀具破损控制报警系统研究[J].中南工学院学报，2000，14（002）：17-21.
[134]王海丽，马春翔，邵华，等.车削过程中刀具磨损和破损状态的自动识别[J].上海交通大学学报，2006，40（012）：2057-2062.
[135]胡友强，柴毅，李鹏华.在线多尺度滤波多变量统计过程的适时监测[J].重庆大学学报，2010，33（006）：128-133.
[136]毛新勇，刘红奇，李斌.主轴电流信号中铣削力成分的时频分析及提取方法研究[J].中国科学: E辑，2009，39（11）：1824-1827.
[137]朱启兵.基于小波理论的非平稳信号特征提取与智能诊断方法研究[D].沈阳：东北大学，2005.
[138]王海清，宋执环，李平.改进小波包分频算法及在故障检测中的应用[J].浙江大学学报:工学版，2001，35（003）：307-311.
[139]饶贵安，康宜华，陈龙驹，等.一种新的实时小波分析[J].仪器仪表学报，2005，26（002）：181-183.
[140] XINHONG H，YUPENG B，ZHANZHONG C. Signal processing method of correlationdetection for ranging system based on combined modulation[M]. Proceedings of the7thWorld Congress on Intelligent Control and Automation(WCICA08). Chongqing.2008:1373-1377
[141]林文元，林春土.广义相关系数和若干极值[J].高校应用数学学报:A辑，1991，6（002）：222-228.
[2]王世杰，于连奎. CAPP环境下机床选择模块的设计方法[J].沈阳工业大学学报，1994，16（003）：107-113.
[3]朱高峰.新世纪如何提高和发展我国制造业[J].中国制造业信息化，2003，32（4）：4-6.
[4]曹华军，刘飞，何彦，等.面向绿色制造的机床设备选择模型及其应用[J].机械工程学报，2004，40（003）：26-30.
[5]何彦，刘飞，曹华军，等.面向绿色制造的工艺规划支持系统及应用[J].计算机集成制造系统，2005，11（007）：975-980.
[6]朱高峰，郭重庆.全球化时代的中国制造[M].北京：社会科学文献出版社，2003.
[7]雷源忠.现代制造科学的新发展[J].中国机械工程，1999，10（009）：962-965.
[8]阎树田，田波.论现代化与中国制造业[J].工程机械，2003，34（011）：20-24.
[9]中华人民共和国国家统计局.中华人民共和国2010年国民经济和社会发展统计公报[J].中国统计，2011，中国统计出版社（03）
[10]中华人民共和国国家统计局.中华人民共和国2011年国民经济和社会发展统计公报[J].中国统计，2012，03：4-9.
[11] UNIDO U N I D O. International Yearbook of Industrial Statistics2010[M]. Northampton：Edward Elgar Pub(April2010)，2010.
[12] CHRYSSOLOURIS G. Manufacturing systems: theory and practice[M].2ed. New York：Springer-Verlag，2006.
[13] LIU F，ZHANG H，WU P，et al. A model for analyzing the consumption situation of productmaterial resources in manufacturing systems[J]. Journal of materials processing technology，2002，122（2）：201-207.
[14]刘飞，任凡，王东强.现代作业车间运行信息的系统模型及应用研究[J].中国机械工程，2009，10（006）：683-687.
[15]安全管理网.设备管理的意义和内容[M/OL]. http://www.safehoo.com/Manage/Theory/201008/46431.shtml.2012.
[16]冯之敬.制造工程与技术原理[M].北京：清华大学出版社，2004.
[17]王绿克.企业设备管理信息化的重要性分析[J].现代商业，2009，3：207-207.
[18]严浩云，李宏余.基于面向负荷的生产控制的紧急订单插单问题[J].计算机集成制造系统，2009，15（009）：1809-1815.
[19]张良.车间设备集成控制系统中数控机床状态监测的研究[D].武汉：武汉理工大学，2007.
[20]柴永生，吴秀丽，孙树栋，等.设备管理信息系统及其关键技术研究[J].计算机工程与应用，2004，12：212-215.
[21] SHAOHUA H，FEI L，YAN H，et al. An on-line approach for energy efficiency monitoringof machine tools[J]. Journal of Cleaner Production，2012，27（0）：133-140.
[22] DAHMUS J，GUTOWSKI T. An environmental analysis of machining[C]. InternationalMechanical Engineering Congress and Exposition.Anaheim,CA,United states:ASME,2004:643-652.
[23] ALHOURANI F，SAXENA U. Factors affecting the implementation rates of energy andproductivity recommendations in small and medium sized companies[J]. Journal ofManufacturing Systems，2009，28（1）：41-45.
[24] KUNPENG Z，WONGA Y S，HONG G S. Wavelet analysis of sensor signals for toolcondition monitoring: A review and some new results[J]. International Journal of MachineTools and Manufacture，2009，49（7-8）：537-553.
[25]高中涛，刘仁龙.印刷电路板数控机床断刀检测系统[J].重庆大学学报，2008，3（1003）：290-293.
[26] AMER W，GROSVENOR R I，PRICKETT P W. Sweeping filters and tooth rotation energyestimation (TREE) techniques for machine tool condition monitoring[J]. InternationalJournal of Machine Tools and Manufacture，2006，46（9）：1045-1052.
[27] YESILYURT I. End mill breakage detection using mean frequency analysis of scalogram[J].International Journal of Machine Tools and Manufacture，2006，46（3-4）：450-458.
[28] PRASOPCHAICHANA K，KWON O-Y. Sensor Fusion by Neural Network and WaveletAnalysis for Drill-Wear Monitoring[J]. Journal of Solid Mechanics and MaterialsEngineering，2010，4（6）：749-760.
[29] CHEN A，TANG C，YUAN C，et al. Mining correlations between multi-streams based onhaar wavelet[C]. Proc of the10th Advances in Computer Science.Berlin:Springer-Verlag,2005:270-271.
[30] ZHENGJIA H，HONGRUI C，ZHEN L，et al. The principle of second generation waveletfor milling cutter breakage detection[J]. Science in China Series E: Technological Sciences，2009，52（5）：1312-1322.
[31] MALLAT S. A wavelet tour of signal processing[M]. New York：Academic Press，1999.
[32] AKOJWAR S，PATRIKAR R. Real Time Classifier For Industrial Wireless Sensor NetworkUsing Neural Networks with Wavelet Preprocessors[C], IEEE International Conference onIndustrial Technology(ICIT2006), Mumbai,2006:512-517.
[33] MALLAT S，HWANG W. Singularity detection and processing with wavelets[J]. IEEEtransactions on information theory，1992，38（2Part2）：617-643.
[34] HALLATSCHEK K，ZILKER M. Real time data acquisition with transputers and PowerPCsusing thewavelet transform for event detection[J]. IEEE Transactions on Nuclear Science，1998，45（4Part1）：1872-1876.
[35]张雨.设备状态信息的现代辨识[M].北京：国防科技大学出版社，2002.
[36] ZHANG J Z，CHEN J C. Tool condition monitoring in an end-milling operation based onthe vibration signal collected through a microcontroller-based data acquisition system[J].The International Journal of Advanced Manufacturing Technology，2008，39（1）：118-128.
[37]隋天中，崔虹雯!，赵宏宇. CIMS环境下车间级生产过程的信息跟踪监控系统[J].东北大学学报（自然科学版），2005，12：1188-1191.
[38]戴青云.基于实时信息的制造智能系统[D].广州：中山大学，2006.
[39]王志新，金寿松.制造执行系统MES及应用[M].北京：中国电力出版杜，2006.
[40]刘建胜.离散型制造业MES若干关键技术及其应用研究[D].南昌：南昌大学，2008.
[41]毛周.基于MES的制造业动态设备管理信息系统研究[D].北京：北京化工大学，2008.
[42]王东强.作业车间制造系统生产进度提取方法及应用研究[D].重庆：重庆大学，2010.
[43]张大勇，徐晓飞. UML—XML集成的敏捷虚拟企业资源建模方法[J].中国机械工程，2003，14（005）：395-398.
[44]鲍震宁，张洵，范玉顺，等.企业资源建模方法研究[J].航空制造技术，2002，12：41-44.
[45]张玉云，吴瑞荣.制造系统资源建模与适应性工艺过程设计[J].计算机集成制造系统，1997，3（005）：34-39.
[46]盛步云.企业集成化动态制造资源建模[J].武汉汽车工业大学学报，2000，22（002）：19-21.
[47]何汉武，熊有伦.面向并行工程的模具制造设备建模[J].机械科学与技术(西安)，2000，19（003）：470-472.
[48] GARRIDO CAMPOS J，HARDWICK M. A traceability information model for CNCmanufacturing[J]. Computer-Aided Design，2006，38（5）：540-551.
[49]刘飞，徐宗俊，但斌，等.机械加工系统能量特性及其应用[M].北京：机械工业出版社，1995.
[50]杨宏安，孙树栋，徐娅萍，等.可重构车间管理信息平台研究与实现[J].中国机械工程，2006，17（017）：1793-1797.
[51] GOPALAKRISHNAN B，KOKATNUR A，GUPTA D. Design and development of atarget-costing system for turning operation[J]. Journal of Manufacturing TechnologyManagement，2007，18（2）：217-238.
[52] QIU R G，RUSSELL D W. A formal model for incorporating shop floor controls into plantinformation systems[J]. The International Journal of Advanced Manufacturing Technology，2004，23（1）：47-57.
[53] LIANG S Y，HECKER R L，LANDERS R G. Machining process monitoring and control:the state-of-the-art[J]. Journal of manufacturing science and engineering，2004，126（3）：297-310.
[54] BHATTACHARYYA P，SENGUPTA D，MUKHOPADHYAY S，et al. On-line toolcondition monitoring in face milling using current and power signals[J]. InternationalJournal of Production Research，2008，46（4）：1187-1201.
[55]邵华，王海丽. SJ―FMS刀具状态功率监控系统[J].机械设计与研究，1997，3：44-46.
[56] ENERGY T U D O. DETERMINING ELECTRIC MOTOR LOAD AND EFFICIENCY[M/OL].2007[2012/04]. http://www1.eere.energy.gov/manufacturing/tech_deployment/pdfs/10097517.pdf(English).
[57]马春翔，潘铭跃，时轮，等.基于主轴电机功率珩磨加工过程的监控[J].计量学报，2006，27（z1）：150-153.
[58] KORDONOWY D N. A power assessment of machining tools[D]. Massachusetts：Massachusetts Institute of Technology，2002.
[59]刘飞，刘军，何彦.基于参考功率曲线的大型工件加工进度状态信息的自动采集新方法[J].机械工程学报，2009，45（10）：111-117.
[60]温熙森，胡茑庆，邱静.模式识别与状态监控[M].长沙：国防科技大学出版社，1997.
[61] WU S J，TSAI T R. Estimation of time-to-failure distribution derived from a degradationmodel using fuzzy clustering[J]. Quality and Reliability Engineering International，2000，16（4）：261-267.
[62]陈保家，陈雪峰，何正嘉，等.利用运行状态信息的机床刀具可靠性预测方法[J].西安交通大学学报，2010，44（009）：74-77.
[63]单晖.基于实时工况的Job Shop动态随机重调度方法研究[D].合肥：合肥工业大学，2008.
[64] ZIO E. Reliability engineering: Old problems and new challenges[J]. ReliabilityEngineering&System Safety，2009，94（2）：125-141.
[65]胡友民，杜润生，杨叔子.制造系统数据采集技术研究[J].制造业自动化，2002，24（003）：23-27.
[66]曹伟，史金飞，戴敏.基于ARM的手持数据采集终端设计[J].中国制造业信息化，2007，36（008）：45-48.
[67]许敬.离散型制造车间数据采集系统的研究与开发[D].南京：南京理工大学，2008.
[68]刘飞，鄢萍，贺德强.网络化制造系统中的多功能交互式信息终端[P]：中国，ZL02113585.1[P/OL].2003-10-22[2002-04-06]. http://211.157.104.87:8080/sipo/zljs/hyjs-yx-new.jsp?recid=CN200710078406.1.
[69]刘丽文.生产与运作管理[M].北京：清华大学出版社，2002.
[70] HUANG G，ZHANG Y，JIANG P. RFID-based wireless manufacturing for real-timemanagement of job shop WIP inventories[J]. The International Journal of AdvancedManufacturing Technology，2008，36（7）：752-764.
[71]张映锋，江平宇，黄国全，等. e-制造模式下制造信息动态跟踪方法研究[J].应用科技，2009，36（005）：1-4.
[72]王东强，鄢萍，刘飞，等.基于EPC规范的车间层多源信息集成技术[J].中国机械工程，2010，21（03）：319-324,377.
[73]王召鹏，陈国金.利用宏指令实现数控机床状态采集方法的研究[J].现代制造工程，2006，11：134-136.
[74]鄢萍，李超，刘飞.一种基于宏指令的数控加工进度采集方法[J].重庆理工大学学报:自然科学，2010，6：18-22.
[75]黄登红，洪小丽.中断型宏指令功能在刀具破损在线监控系统中的应用[J].工具技术，2006，40（007）：76-78.
[76]韩亚利，陈勇.基于小波分析的数控刀具状态在线监控系统[J].装备制造技术，2009，7：71-73.
[77]肖士利，叶文华.数控机床的现场数据实时采集和监视系统的研究[J].中国制造业信息化，2008，37（006）：38-42.
[78]彭跃湘.数控机床故障诊断及维护[M].北京：清华大学出版社，2006.
[79]何正嘉，訾艳阳，陈雪峰，等.内积变换原理与机械故障诊断[J].振动工程学报，2007，20（005）：528-533.
[80]程军圣，于德介，杨宇.一种基于Hilbert-Huang变换和AR模型的滚动轴承故障诊断方法[J].系统工程理论与实践，2004，24（010）：92-97.
[81]雷亚国，何正嘉，訾艳阳.基于混合智能新模型的故障诊断[J].机械工程学报，2008，44（007）：112-117.
[82] YAN W，WEIPING F，HONG Z，et al. A Method for Recognition of Work-Pieces Based onImproved SIFT Characteristics Matching[C]; Proceedings of the World Congress onSoftware Engineering, Xiamen, China F19-21May2009:29-33.
[83]刘克，杨静宁.基于形状不变特征和三维几何参数的工件识别方法[J].南京理工大学学报:自然科学版，1993，4：18-23.
[84]车录锋，周晓军.基于模糊集和遗传算法的多传感器信息融合工件识别[J].模式识别与人工智能，2000，13（001）：87-89.
[85]陈守煜，胡吉敏.可变模糊方法及其在工件识别中的应用[J].系统工程与电子技术，2006，28（009）：1325-1328.
[86] SHAO H，WANG H L，ZHAO X M. A cutting power model for tool wear monitoring inmilling[J]. International Journal of Machine Tools and Manufacture，2004，44（14）：1503-1509.
[87] MAO X，LIU H，LI B. Time-frequency analysis and detecting method research on millingforce token signal in spindle current signal[J]. Science in China Series E: TechnologicalSciences，2009，52（10）：2810-2813.
[88]张佳毅.数控机床批量加工过程异常状况的功率监测技术研究[D].重庆：重庆大学，2009.
[89]王寒枫，林益耀.关于利用切削功率监控刀具状态的评述[J].机械制造，1995，3（3004）：4-6.
[90]万军，蔡复之.加工中心铣刀破损的功率监控[J].机床，1990，10：8-11.
[91]刘飞，徐宗俊.机床功率监控系统的数学模型及其应用[J].机械工程学报，1992，28（004）：7-12.
[92]甘启义，刘飞，徐宗俊.机床功率监控技术中一种新的监控特征量[J].组合机床与自动化加工技术，1992，10：20-22.
[93]邵华，林益耀.刀具功率监控系统中功率信号的实时处理问题[J].机械设计与研究，1994，1：19-21.
[94] LANG L，WANLI X，HANG G. Mechanical-electric coupling dynamical characteristics ofan ultra-high speed grinding motorized spindle system[J]. Chinese Journal of MechanicalEngineering(English Edition)，2008，21（5）：34-40.
[95] NING L，TIELIN S. Estimation of the number of correlated sources with commonfrequencies based on power spectral density[J]. Chinese Journal of MechanicalEngineering，2007，20（4）：88-93.
[96]施金良，刘霜，鄢萍，等.一种数控机床相邻工步间空载运行时停机节能实施方法：中国，ZL200810070302.0[P/OL].2010-02-24[2008-09-16]. http://211.157.104.87:8080/sipo/zljs/hyjs-yx-new.jsp?recid=CN200810070302.0.
[97]施金良.变频调速数控机床运行过程能量特性及节能技术研究[D].重庆：重庆大学，2009.
[98] KJELLBERGA T，BOHLIN M. Design of a manufacturing resource information system[J].CIRP Annals-Manufacturing Technology，1996，45（1）：149-152.
[99]施金良，刘飞，许弟建，等.变频调速数控机床主传动系统的功率平衡方程[J].机械工程学报，2010，46（003）：118-124.
[100] GUTOWSKI T，DAHMUS J，THIRIEZ A. Electrical energy requirements for manu-facturing processes[C].13th CIRP International Conference on Life Cycle Engineering,Leuven, May31st–June2nd,2006.
[101]昝涛.制造车间的设备状态和产品质量信息集成与分析诊断[D].北京：北京工业大学，2007.
[102]于涛.工序质量控制系统研究[M].北京：经济管理出版社，2002.
[103]余宜海，章易程，李方.特征性与开放性的设备制造能力信息描述模型[J].机械，2006，33（001）：36-38.
[104]谷振宇.定制型制造企业绿色制造实施模型及实施方法研究[D].重庆：重庆大学，2010.
[105]任凡.机械加工车间环境影响信息模型及粉尘特性研究[D].重庆：重庆大学，2010.
[106]谷振宇，刘飞，任凡.基于生态指示器99的制造过程环境影响分析模型[J].中国机械工程，2010，21（8）：931-935.
[107]吴少雄.智能统计工序质量控制的体系研究[J].计算机集成制造系统，2006，12（011）：1832-1837.
[108]曲帅锋.基于车间信息集成的工序质量控制系统研究[D].武汉：武汉理工大学，2007.
[109]房纪涛，邓卫伟，于大.基于MES的实时智能过程质量监控系统研发[J].电子质量，2009，5：46-48.
[110]殷建军.面向多品种,小批量制造环境的过程质量监控方法及嵌入式系统的研究[D].杭州：浙江大学，2004.
[111]贺德强.网络化制造中设备层信息交互平台的研究[D].中国：重庆大学，2004.
[112] ZHANG J，CHUAH B，CHEUNG E，et al. Information modelling for manufacturingsystems: a case study[J]. Robotics and Computer-Integrated Manufacturing，1996，12（3）：217-225.
[113]张伯鹏.制造信息学[M].北京：清华大学出版社，2003.
[114] TANAKA F，ONOSATO M，KISHINAMI T，et al. Modeling and implementation of DigitalSemantic Machining Models for5-axis machining application[J]. Manufacturing Systemsand Technologies for the New Frontier，2008，4：177-182.
[115]郭兵，熊光泽.工具接口技术研究[J].计算机应用，2002，22（003）：18-21.
[116]刘飞，鄢萍，任海军，等.基于机床功率信息自动采集机械加工任务进度状态的方法：中国，ZL200710078406.1[P/OL].2007-10-24[2007-04-20]. http://211.157.104.87:8080/sipo/zljs/hyjs-yx-new.jsp?recid=CN200710078406.1.
[117]鄢萍，贺晓辉，易润忠，等.一种数控机床在线加工工件的自动识别和监控方法：中国，ZL200910191880.4[P/OL].2010-2011-02-25[2009-12-11]. http://211.157.104.87:8080/sipo/zljs/hyjs-yx-new.jsp?recid=CN200910191880.4.
[118]鄢萍，贺晓辉，易润忠，等.一种基于动态时间弯折和功率信息的在线加工工件自动识别和监控方法[J].机械工程学报，2011，47（3）：81-88.
[119]潘建岳，张玉峰.钻头磨损在线功率监控系统的研究:—适于变切削参数工况[J].机床，1993，11：11-14.
[120] FARMANI I，AREFI A，BAGHERI R，et al. Industrial Electric Motor Energy EfficiencyUnder Testing and Practical Conditions[J].
[121] MARINESCU I，AXINTE D A. A critical analysis of effectiveness of acoustic emissionsignals to detect tool and workpiece malfunctions in milling operations[J]. InternationalJournal of Machine Tools&Manufacture，2007，48（10）：1148–1160
[122] SHAOHUA H，LIU F，HE Y，et al. Characteristics of Additional Load Losses of SpindleSystem of Machine Tools[J]. Journal of Advanced Mechanical Design, Systems, andManufacturing，2010，4（7）：1221-1233.
[123]刘军.面向大型装备产品生命周期的生产设备集成运行模式及支持技术研究[D].重庆：重庆大学，2009.
[124]童亮，鄢萍，刘飞，等.基于动态适配的数控设备信息语义集成研究[J].计算机集成制造系统，2010，16（6）：1236-1245.
[125]刘卫宁，黄文雷，孙棣华，等.基于射频识别的离散制造业制造执行系统设计与实现[J].计算机集成制造系统，2007，13（010）：1886-1890.
[126]陈宇，陈新，陈新度，等.制造企业生产设备运行维护实时管理系统[J].系统工程理论与实践，2008，28（004）：65-72.
[127] TAKESHI O. Instrument for Measuring Machining Time of NC Machine Tool：Japan，2004-062613-A[P/OL].2004-02-26[2002-07-30]. http://www19.ipdl.inpit.go.jp/PA1/result/detail/main/wAAA5uay_kDA416062613P1.htm.
[128] TONSHOFF H K，LI X，LAPP C. Application of Fast Haar Transform and ConcurrentLearning to Tool-Breakage Detection in Milling[J]. IEEE/ASME Transactions onMechatronics，2007，8（3）：414-418.
[129]周凯，刘成颖.现代制造系统[M].北京：清华大学出版社，2005.
[130]易克初，田斌，付强.语音信号处理[M].北京：国防工业出版社，2000.
[131]邓乃扬，田英杰.数据挖掘中的新方法—支持向量机[M].北京：科学出版社，2004.
[132] SYED N，LIU H，SUNG K. From Incremental Learning to Model Independent InstanceSelection-A Support Vector Machine Approach[R]. Singapore:National University ofSingapore,1999.
[133]刘琼，陈昭平.监测切削功率变化的刀具破损控制报警系统研究[J].中南工学院学报，2000，14（002）：17-21.
[134]王海丽，马春翔，邵华，等.车削过程中刀具磨损和破损状态的自动识别[J].上海交通大学学报，2006，40（012）：2057-2062.
[135]胡友强，柴毅，李鹏华.在线多尺度滤波多变量统计过程的适时监测[J].重庆大学学报，2010，33（006）：128-133.
[136]毛新勇，刘红奇，李斌.主轴电流信号中铣削力成分的时频分析及提取方法研究[J].中国科学: E辑，2009，39（11）：1824-1827.
[137]朱启兵.基于小波理论的非平稳信号特征提取与智能诊断方法研究[D].沈阳：东北大学，2005.
[138]王海清，宋执环，李平.改进小波包分频算法及在故障检测中的应用[J].浙江大学学报:工学版，2001，35（003）：307-311.
[139]饶贵安，康宜华，陈龙驹，等.一种新的实时小波分析[J].仪器仪表学报，2005，26（002）：181-183.
[140] XINHONG H，YUPENG B，ZHANZHONG C. Signal processing method of correlationdetection for ranging system based on combined modulation[M]. Proceedings of the7thWorld Congress on Intelligent Control and Automation(WCICA08). Chongqing.2008:1373-1377
[141]林文元，林春土.广义相关系数和若干极值[J].高校应用数学学报:A辑，1991，6（002）：222-228.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |