基于HMM的多特征融合钻头磨损监测技术的研究
|
摘要
制造装备自动化与制造模式集成化的发展，使得刀具成为制造系统薄弱的一环，因此，研究和开发加工过程刀具状态监控技术对实现加工过程自动化、提升制造业水平具有重要意义。论文以钻削过程为研究对象，建立了以钻削力作为监测信号的钻头磨损监测实验系统，对钻削力信号的特征提取以及基于HMM的多特征融合钻头磨损监测技术进行了系统的理论与实验研究。
分别从时域和频域的角度出发，研究了钻削过程中钻削力信号及其特征值与钻头磨损之间的关系，发现时域统计特征与钻头磨损之间相关性较差，而在频域，钻削力信号功率谱密度与钻头磨损之间则表现出较强的相关性，频域统计特征呈现出与钻头磨损规律基本一致的变化趋势。
讨论了小波变换的多分辨特性以及Mallat算法的基本原理，采用Daubechies5正交小波对钻削力时域和功率谱信号进行了多分辨分析，研究了小波分解信号及其统计特征的变化规律，在钻削力信号低频小波分解系数与功率谱重构包络中获得了与钻头磨损相关性较强的特征参数，为实现钻头磨损状态的监测奠定了基础。
成功地把分形理论引入到钻头状态监测领域，研究了离散时序信号盒维数计算过程中的网格建立及时间序列重构中确定延迟时间和嵌入维数的方法，给出了离散时序信号三种分维数的具体实现算法，研究了钻削过程钻削力时域信号和各频段
西安理工大学博士学位论文
小波重构信号分维数的变化规律，结果表明:随着钻头磨损量的增加，钻削力信号
的盒维数、信息维数和关联维数均呈现出明显的下降趋势，利用这一特征可有效实
现钻头磨损状态的监测。
针对各钻头磨损状态下特征模式高度重叠的特点，提出采用隐马尔可夫模型HMM
解决钻头磨损监测的思想，对1肠IM在钻头磨损监测中的原理及实现方法进行了系统的
研究，完成了基于前后向算法和Baurn一Welch算法进行模型训练和识别的具体实施步
骤，建立了基于S服网络的矢量量化器，解决了钻削力特征矢量的融合与编码问题。
提出了两种基于1侧颐的钻头磨损监测方法，利用时域、频域、小波及分形方法所
提取的有效特征进行了多特征融合钻头磨损监测，实验结果表明:利用未知观察序列
在单一1翎服下的概率输出值，可反映不同钻头磨损状态下观察序列的统计相似性，跟
踪钻头磨损的发展趋势;而利用多模型方法成功实现了三种典型钻头磨损状态的识
别，为加工过程刀具状态开辟了新的途径。
关键词:钻头磨损监测;小波变换;分形;特征提取;隐马尔可夫模型(HMM)。
论文的研究得到了原机械工业部发展基金项目《深孔加工过程多传感融合监控
技术研究))(项目编号:97JFOo13)的资助。
The development of manufacturing equipment automation and manufacturing mode integration makes tools become a weak link in manufacturing system. Accordingly the research and development of the tool condition monitoring technology in machining process is of great significance in realizing automation of machining process and upgrading the manufacturing level. With the drilling process as the research objective, the drill wear monitoring experimental system with the drilling force as the monitoring signal is established in this thesis to carry out the systematically theoretical and experimental researches on the feature extraction of drilling force signal as well as the technology of the multi-feature fusion drill wear monitoring based on HMM.Starting from the angles of the time and frequency domain respectively, the relationships between the drilling force signal as well as its feature value and drill wear in drilling process are investigated in this thesis, and it has been found that there is a rather poor correlation between the statistic feature and drill wears in the time domain while in the frequency domain, the power spectrums of drilling force signal showed good correlation with drill wear, and the statistic features appear to have the changing trend basically agreeable with the drill wear laws.The multi-resolution performances of wavelet transform as well as the basis principle of Mallat algorithm are discussed. The Daubechies5 orthogonal wavelet is adopted to carry out the multi-resolution analysis to the drilling force signals in the time and frequency domain. The changing laws of the wavelet decomposed signals and its statistic features are also studied so that the statistical features that are correspond to drill wears are obtained from the low frequency wavelet decomposed coefficient and the reconstructed power spectrum envelope of the drilling force signals, and this lay a solid foundation for the realization of drill wear condition monitoring.The fractal theory has been successfully introduced into the field of drill condition
monitoring. Also the grid establishment in the process of calculation the box dimension of the discrete time series signals as well as the method for determining the delay time and implanted dimension in time series reconstruction are studied. The algorithms for calculating the three kinds of fractal dimension of the discrete time series signals are given in this thesis. The changing laws of fractal dimension of the signals in the time domain and the wavelet reconstruction signals in each frequency band are studied in drilling process. The results show that with the increase of drill wears, the box dimension and the information dimension as well as the correlation dimension of drilling force signals appear obviously to have the downtrends. Accordingly, this characteristic can be effectively used to realize the monitoring of drill wears.Aiming at the characteristics of the highest overlap of the feature modes in each drill wear condition, the hidden Markov model is put forward to resolve the drill wear monitoring. The systematic studies on the principle and realization method of HMM used in drill wear monitoring are carried out. The implementing procedures for model training and identification based on forward and backward algorithm and Baum-Welch algorithm are completed. The vector quantization system based on SOM network has been formed to resolve the problem of the fusion and coding of the drilling force feature vectors.Two kinds of methods for drill wear monitoring based on HMM are put forward. The effective features obtained from the time and frequency domain, wavelet transform and fractal are used to carry out drill wear monitoring of multi-feature fusion. The experimental results indicate that probabilities of unknown observation series can reflect the statistic similarities of observation series in different drill wear status and track the development trend of drill wear. Moreover using the multi-model method has successfully realize the recognition of three typical drill wea
分别从时域和频域的角度出发，研究了钻削过程中钻削力信号及其特征值与钻头磨损之间的关系，发现时域统计特征与钻头磨损之间相关性较差，而在频域，钻削力信号功率谱密度与钻头磨损之间则表现出较强的相关性，频域统计特征呈现出与钻头磨损规律基本一致的变化趋势。
讨论了小波变换的多分辨特性以及Mallat算法的基本原理，采用Daubechies5正交小波对钻削力时域和功率谱信号进行了多分辨分析，研究了小波分解信号及其统计特征的变化规律，在钻削力信号低频小波分解系数与功率谱重构包络中获得了与钻头磨损相关性较强的特征参数，为实现钻头磨损状态的监测奠定了基础。
成功地把分形理论引入到钻头状态监测领域，研究了离散时序信号盒维数计算过程中的网格建立及时间序列重构中确定延迟时间和嵌入维数的方法，给出了离散时序信号三种分维数的具体实现算法，研究了钻削过程钻削力时域信号和各频段
西安理工大学博士学位论文
小波重构信号分维数的变化规律，结果表明:随着钻头磨损量的增加，钻削力信号
的盒维数、信息维数和关联维数均呈现出明显的下降趋势，利用这一特征可有效实
现钻头磨损状态的监测。
针对各钻头磨损状态下特征模式高度重叠的特点，提出采用隐马尔可夫模型HMM
解决钻头磨损监测的思想，对1肠IM在钻头磨损监测中的原理及实现方法进行了系统的
研究，完成了基于前后向算法和Baurn一Welch算法进行模型训练和识别的具体实施步
骤，建立了基于S服网络的矢量量化器，解决了钻削力特征矢量的融合与编码问题。
提出了两种基于1侧颐的钻头磨损监测方法，利用时域、频域、小波及分形方法所
提取的有效特征进行了多特征融合钻头磨损监测，实验结果表明:利用未知观察序列
在单一1翎服下的概率输出值，可反映不同钻头磨损状态下观察序列的统计相似性，跟
踪钻头磨损的发展趋势;而利用多模型方法成功实现了三种典型钻头磨损状态的识
别，为加工过程刀具状态开辟了新的途径。
关键词:钻头磨损监测;小波变换;分形;特征提取;隐马尔可夫模型(HMM)。
论文的研究得到了原机械工业部发展基金项目《深孔加工过程多传感融合监控
技术研究))(项目编号:97JFOo13)的资助。
The development of manufacturing equipment automation and manufacturing mode integration makes tools become a weak link in manufacturing system. Accordingly the research and development of the tool condition monitoring technology in machining process is of great significance in realizing automation of machining process and upgrading the manufacturing level. With the drilling process as the research objective, the drill wear monitoring experimental system with the drilling force as the monitoring signal is established in this thesis to carry out the systematically theoretical and experimental researches on the feature extraction of drilling force signal as well as the technology of the multi-feature fusion drill wear monitoring based on HMM.Starting from the angles of the time and frequency domain respectively, the relationships between the drilling force signal as well as its feature value and drill wear in drilling process are investigated in this thesis, and it has been found that there is a rather poor correlation between the statistic feature and drill wears in the time domain while in the frequency domain, the power spectrums of drilling force signal showed good correlation with drill wear, and the statistic features appear to have the changing trend basically agreeable with the drill wear laws.The multi-resolution performances of wavelet transform as well as the basis principle of Mallat algorithm are discussed. The Daubechies5 orthogonal wavelet is adopted to carry out the multi-resolution analysis to the drilling force signals in the time and frequency domain. The changing laws of the wavelet decomposed signals and its statistic features are also studied so that the statistical features that are correspond to drill wears are obtained from the low frequency wavelet decomposed coefficient and the reconstructed power spectrum envelope of the drilling force signals, and this lay a solid foundation for the realization of drill wear condition monitoring.The fractal theory has been successfully introduced into the field of drill condition
monitoring. Also the grid establishment in the process of calculation the box dimension of the discrete time series signals as well as the method for determining the delay time and implanted dimension in time series reconstruction are studied. The algorithms for calculating the three kinds of fractal dimension of the discrete time series signals are given in this thesis. The changing laws of fractal dimension of the signals in the time domain and the wavelet reconstruction signals in each frequency band are studied in drilling process. The results show that with the increase of drill wears, the box dimension and the information dimension as well as the correlation dimension of drilling force signals appear obviously to have the downtrends. Accordingly, this characteristic can be effectively used to realize the monitoring of drill wears.Aiming at the characteristics of the highest overlap of the feature modes in each drill wear condition, the hidden Markov model is put forward to resolve the drill wear monitoring. The systematic studies on the principle and realization method of HMM used in drill wear monitoring are carried out. The implementing procedures for model training and identification based on forward and backward algorithm and Baum-Welch algorithm are completed. The vector quantization system based on SOM network has been formed to resolve the problem of the fusion and coding of the drilling force feature vectors.Two kinds of methods for drill wear monitoring based on HMM are put forward. The effective features obtained from the time and frequency domain, wavelet transform and fractal are used to carry out drill wear monitoring of multi-feature fusion. The experimental results indicate that probabilities of unknown observation series can reflect the statistic similarities of observation series in different drill wear status and track the development trend of drill wear. Moreover using the multi-model method has successfully realize the recognition of three typical drill wea
引文
【1】 马建峰．铣削过程中刀具磨损智能监测技术研究．北京理王大学博士学位论文，2001．7．
【2】 刘晓谦，蒋锡藩等．国内外刀具磨损、破损自动监测方法的现状评述．机床，No．5，1992：5—8．
【3】 Dong-Woo Cho, Sang Jo Lee, Chong Nam Chu. The state of machining process monitoring research in Korea. International Journal of Machine Tools & Manufacture, 39, 1999: 1697—1715.
【4】 E. Brinksmeier. Prediction of Tool Fracture in Drilling. Annals of CIRP, 39(1), 1990: 97—105.
【5】 李劲松．铣削过程刀具磨损监控技术研究．北京航空航天大学博士学位论文，1998。
【6】 吕卫阳．小波和分形在微孔钻削状态监测中的应用．北京科技大学博士学位论文，1998．10。
【7】 A. NOORI-KHAJAVI and R. KOMANDURI. FREQUENCY AND TIME DOMAIN ANALYSES OF SENSOR SIGNALS IN DRILLING-Ⅰ. CORRELATION WITH DRILL WEAR. Int. J. Mach. Tools Manufact, 35(6), 1995: 775—793.
【8】 Li Xiaoli. On-line detection of the breakage of small diameter drills using current signature wavelet transform. International Journal of Machine Tools & Manufacture, 39, 1999: 157—164.
【9】 A. NOORI-KHAJAVI and R. KOMANDURI. FREQUENCY AND TIME DOMAIN ANALYSES OF SENSOR SIGNALS IN DRILLING-Ⅱ. INVESTIGATION ON SOME PROBLEMS ASSOCIATED WITH SENSOR INTEGRATION. Int. J. Mach. Tools Manufact, 35(6), 1995: 795—815.
【10】 黄惟公，罗中先．刀具磨损监测中信号特征值的提取与聚类分析．机械，26(3)，1999：7—9。
【11】 R.G. SILVA, R. L. REUBEN, K. J. BAKER AND S. J.WILCOX. TOOL WEAR MONITORING OF TURNING OPERATIONS BY NEURAL NETWORK AND EXPERT SYSTEM CLASSIFICATION OF A FEATURE SET GENERATED FROM MULTIPLE SENSORS. Mechanical Systems and Signal Processing, 12(2), 1998: 319—332.
【12】 冯平法，张玉峰等．基于人工神经网络的变切削条件下钻头磨损监控．中国机械工程，8(2)，1997：25—27．
【13】 ZHANG DE.YUAN, HAN YUNTAI and CHEN DINGCHANG. ON-LINE DETECTION OF TOOL BREAKAGES USING TELEMELERING OF CUTTING FORCES IN MILLING Int. J. Mach. Tools Manufact. 35(1), 1994: 19—27.
【14】 G. S. HONG, M. RAHMAN and Q.ZHOU. USING NEURAL NETWORK FOR TOOL CONDITION MONITORING BASED ON WAVELET DECOMPOSITION. Int. J. Mach. Tools Manufact. 36(5), 1996: 551—566.
【15】 D.E. Dimla Sr, R M. Lister. On-line metal cutting tool condition monitoring. Ⅰ: force and vibration analyses. International Journal of Machine Tools & Manufacture, 40(5), 2000: 739-768.
【16】 李更生．钻削状态在线监测技术的理论与应用研究．南京航空学院博士学位论文，1991．9．
【17】 袁哲俊，姚英学，张飞虎．钻削过程监控技术及其应用研究．机械工程学报，28(3)，1992．6：55—60。
【18】 刘经燕，杨叔子等．刀具磨损的信号功率分析与监视．华中工学院学院，13(5)，1985：95—102．
【19】 万军，蔡复之，张玉峰．铣刀破损功率监控方法的研究．清华大学 学报，34(2)，1994：40—45．
【
【20】 H.S. LIU, B. Y. LEE and Y. S. TARNG MONITORING OF DRILL FRACTURE FROM THE CURRENT MEASUREMENT OF A THREE-PHASE INDUCTION MOTOR. Int. J. Mach. Tools Manufact. 36(6), 1996: 729—738.
【21】 Dr. J. Tlusty and Dr. C. G. Andrews. A Critical Review of Sensors for Unmanned Machining. Annals of CIRP, 32(2), 1983: 563—572.
【22】 T. I. EL-WARDANY, D. GAO and M. A. ELBESTAWI. TOOL CONDITION MONITORING IN DRILLING USING VIBRATION SIGNATURE ANALYSIS. Int. J. Math. Tools Manufact, 36(6), 1996: 687—711.
【23】 郑力，罗振壁等．一个应用于自动化加工系统的综合刀具监测系统．机械工程学报，27(5)，1991．6：7—12．
【24】 乐可锡．精密机床切削工况监控技术现状及其发展趋势．机械工业自动化，16(3)，1994．9：28—31。
【25】 P.W. Prickett, C. Johns. An overview of approaches to end milling tool monitoring. International Journal of Machine Tools & Manufacture, 39, 1999: 105—122.
【26】 R. Teti, U. La Commare. Cutting Conditions and Work Material State Identification through Acoustic Emission Methods. Annals of CIRP, 41(1), 1992: 89—100.
【27】 In-Hyu Choi, Jeong-Du Kim. Development of monitoring system on the diamond tool wear. Intemational Journal of Machine Tools & Manufacture, 39, 1999: 505—515.
【28】 M. RUZZENE, A. FASANA, L. GARIBALDI AND B. PIOMBO. NATURAL FREQUENCIES AND DAMPINGS IDENTIFICATION USING WAVELET TRANSFORM: APPLICATION TO REAL DATA. Mechanical Systems and Signal Processing, 11 (2), 1997: 207—218.
【
【29】 B.A. PAYA, I. I. ESAT and M. N. M. BADI. ARTIFICIAL NEURAL NETWORK BASED FAULT DIAGNOSTICS OF ROTATING MACHINERY USING WAVELET TRANSFORMS AS A PREPROCESSOR. Mechanical Systems and Signal Processing, 11 (5), 1997: 751—765.
【30】 李圣怡等．智能制造技术基础．国防科技大学出版社，1995．
【31】 温熙森，胡茑庆，邱静编著．模式识别与状态监测．国防科技大学出版社，1997．11．
【32】 李小俚，姚英学，袁哲俊．基于小波模糊神经网络刀具监测系统研究．机械工程学报，34(1)，1998，2：59—63。
【33】 Shang-Liang Chen, Y. W. Jen. Data fusion neural network for tool condition monitoring in CNC milling machining. International Journal of Machine Tools & Manufacture, 40, 2000: 381—400.
【34】 S.K. Choudhury, V. K. Jain, Ch. V. V. Rama Rao. On-line monitoring of tool wear in turning using a neural network. International Journal of Machine Tools & Manufacture, 39, 1999: 489—504.
【35】 P. G. Mathews, M. S. Shunmugam. Neural-network approach for predicting hole quality in reaming. International Journal of Machine Tools & Manufacture, 39, 1999: 723—730.
【36】 Y. S. TARNG, Y. W. HSEIH and S. T. HWANG. SENSING TOOL BREAKAGE IN FACE MILLING WITH A NEURAL NETWORK. Int. J. Mach. Tools Manufact, 34(3), 1994: 341—350.
【37】 I.N. Tansel, T. T. Arkan, W. Y. Bao, N. Mahendrakar, B. Shisler, D. Smith, M. McCool. Tool wear estimation in micro-machining. Part Ⅱ: neural-network-based periodic inspector for non-metals. International Journal of Machine Tools & Manufacture, 40, 2000: 609—620.
【38】 D.E. Dimla Sr, P. M. Lister. On-line metal tool condition monitoring. Ⅱ: tool-state classification using multi-layer perception neural networks. International Journal of Machine Tools & Manufacture, 40(5), 2000: 769—781.
【39】 徐春广，王信义等．FMS 刀具切削状态实时在线监测职能系统．机械工程学报，34(1)，1998．12：41—46．
【40】 倪前富，邵华，林益耀．机床功率信号的试验研究．组合机床与自动化加工技术，6，1994：21—33．
【41】 北京永定机械厂群钻小组著．群钻．上海科学技术出版社，1982．12．
【42】 星铁太郎著．机械加工颤振的分析与对策．上海科学技术出版社，1984．11．
【43】 梅宏斌，阎明印编．C语言基本编程教程．陕西电子杂志社，1994。
【44】 胡广书编著。数字信号处理——理论、算法与实现。清华大学出版社，2002．3．
【45】 郑建明，李言，肖继明等。基于神经网络的多特征融合刀具磨损量识别．机械科学与技术，21(1)，2002：111—113．
【46】 马建仓，罗磊，吴启彬．小波——人工神经网络信息融合故障诊断方法．中国机械工程，8(2)，1997：38—40．
【47】 王太勇，李书明等．神经网络多参数诊断法及其应用研究．机械工程学报，34(1)，1998．2：100—103．
【48】 何正嘉，赵纪元等。机械检测诊断中非平稳性信号处理的研究．西安交通大学学报，30(7)，1996．7：36—41．
【49】 马建仓，吴启彬，罗磊．小波包分析在旋转机械冲击故障诊断中的应用研究．机械科学与技术，17(2)，1998．3：310—312．
【50】 刘华，蔡正敏等．小波包算法在滚动轴承的在线故障诊断中的应用．机械科学与技术，18(2)，1999．3：301—302．
【51】 张佩瑶，马孝江，王吉军，朱泓．小波包信号提取算法及其在故障诊断中的应用．大连理工大学学报，37(1)，1997．1：64—72．
【52】 冯平法，张玉峰等．铣刀磨损在线功率监控方法研究．机械与电子，1997．1：25—28。
【53】 黄勇，应济，傅建中等．基于多传感器信息融合的刀具监测技术．机电工程，1997．3：52—53．
【54】 邱静，温熙森，唐丙阳．制造系统的状态监测与多传感器信息融合。中国机械工程，7(1)，1996：18—20．
【55】 李旗号，赵卫东．刀具磨损的人工神经网络估计．天津大学学报，(4)，2000．7：447—450。
【56】 陈吉红，陈日曜，师汉民．神经网络用于切屑类型监视。华中理工大学学报，22(2)，1994．2：5—9．
【57】 揭景耀．智能刀具状态监测系统研究与进展．中国机械工程，8(6)，1997：60—62．
【58】 朱铭铨，姬中岳，刘镜．神经网络与CIMS监控技术．中国机械工程，3(3)，1992：6—8．
【59】 关剑，费仁元，王民．切削状态在线检测的信号特征．北京工业大学学报，26(1)，2000：1—5．
【60】 侯卫兵，张玉峰，董永贵。人工神经网络在砂轮监控中的应用研究．中国机械工程，8(2)，1997：17—20。
【61】 徐春广，王信义，肖定国．切削状态在线监测的新方法．北京理工大学学报，14(1)，1994．2：48—51．
【62】 杨宗凯．小波去噪及其在线信号检测中的应用。华中理工大学学报，25(2)，1997．2：2—4．
【63】 周受钦，谢友柏．基于模糊神经网络的机械故障诊断研究．汽轮机技术，41(4)，1999．8：216—202．
【64】 张桂才，史铁林，杨叔子．基于高阶统计量的机械故障特征提取方 法研究．华中理工大学学报，27(3)，1999．3：6—8．
【
【65】 郑建明，李言，黄玉美．刀具磨损切削力功率谱特征多分辨分析．机床与液压，178(4)，2002：189—191．
【66】 石博强，薛辉．基于相空间重构的GMDH方法在复杂机械系统状态预测中的应用．北京科技大学学报，21(6)，1999．21：577—579．
【67】 K. F. MARTIN. A REVIEW BY DISCUSSION OF CONDITION MONITORING AND FAULT DIAGNOSIS IN MACHINE TOOLS. Int. J. Mach. Tools Manufact. 34(4), 1994: 527—551.
【68】 奚定平等．基于小波变换在线检测机器运行时轴承产生的缺陷．振动、测试与诊断，20(4)，2000：273-278．
【69】 吕卫阳，陈克兴等．多尺度分析在微孔钻削状态监测中的应用．振动、测试与诊断，20(2)，2000：102-105．
【70】 崔锦泰著，程正兴译．小波分析导论．西安交通大学出版，1997．1。
【71】 杨福生著。小波变换的工程分析与应用．科学出版社，2001。
【72】 胡昌华，张军波，夏军，张伟编著．基于MATLAB系统分析与设计——小波分析．西安电子科技大学出版社，2000．
【73】 L·科恩 著，白居宪译．时—频分析：理论与应用．西安交通大学出版社，1997．8．
【74】 郑建明，李言，肖继明等．伸缩窗口短时Fourier分析．振动、测试与诊断，20(4)，2000：273-278
【75】 张贤达，保铮著．非平稳信号分析与处理。国防工业出版社，1999．7。
【76】 虞和济，陈长征，张省等。基于神经网络的智能故障诊断．冶金工业出版社．2000．3．
【77】 A.L.B.Dos Santos, M. A. V. Duarte, A. M. Abrao, A, R.Machado. An optimization procedure to determine the coefficients of the extended Taylor's equation in machining. International Journal of Machine Tools & Manufacture, 39, 1999: 17—31.
【
【78】 S.K. Choudhury, K. K. Kishore. Tool wear measurement in turning using force ratio. International Journal of Machine Tools & Manufacture, 40, 2000: 899—999.
【79】 WON-TAE KWON and KORNEL F. EHMANN. TOOL WEAR MONITORING BY USING THE IMAGINARY PART OF THE TRANSFER FUNCTION OF THE CUTTING. Int. J. Mach. Tools Manufact, 34(3), 1994: 393—406.
【80】 JAE WOONG YOUN, MIN YANG YANG and HWA YOUNG PARK. DETECTION OF CUTTING TOOL FRACTURE BY DUAL SIGNAL MEASUNREMENTS. Int. J. Math. Tools Manufact, 34(4), 1994: 507—525.
【81】 JEONG-DU KIM and IN-HYU CHOI. DEVELOPMENT OF A TOOL FAILURE DETECTION SYSTEM USING MULTI-SENSORS. Int. J. Mach. Tools Manufact, 36(8), 1996: 861—870.
【82】 I.N. Tansel, T. T. Arkan, W. Y. Bao, N. Mahendrakar, B. Shisler, D. Smith, M. McCool. Tool wear estimation in micro-machining. Part Ⅰ: tool usage-cutting force relationship. International Journal of Machine Tools & Manufacture, 40, 2000: 599—608.
【83】 Haldun M. Ozaktas, Orhan Arikan, M. Alper Kutay. Digital Computation of the Fractional Fourier Transform. IEEE TRANSACTIONS ON SIGNAL PROCESSING, 44(9), 1996: 2141—2149.
【84】 王世清．孔加工技术．石油工业出版社，1993
【85】 朱祖良．孔加工刀具．国防工业出版社，1990。
【86】 李加种．金属切削动力学．浙江大学出版社，1993．
【87】 张幼桢主编．金属切削理论．航空工业出版社，1988．6．
【88】 赵纪元．基于小波理论神经网络的实用诊断技术研究．西安交通大学博士学位论文，1997．5．
【89】 楼顺天，李博菡编著．基于MATLAB系统分析与设计——信号处理．西安电子科技大学出版社，1999．
【90】 楼顺天，施阳编著．基于MATLAB系统分析与设计——神经网络．西安电子科技大学出版社，1999．
【91】 张宜华编，史惠康审校．精通MATLAB5．清华大学出版社，1999．
【92】 袁小宏．机械诊断中信号融合方法的研究．西安交通大学博士学位论文，1998．4．
【93】 秦前清，杨宗凯编著．实用小波分析．西安电子科技大学出版社，1998．1。
【94】 石博强，申焱华著．机械故障诊断的分形方法——理论与实践．冶金工业出版社，2001．3．
【95】 肯尼思·法尔科内著．曾文曲，刘世耀，戴连贵，高占阳译．分形几何——数学基础及其应用．东北大学出版社，1991．
【96】 B．H．Kaye著，徐新阳，康艳，陈旭，刘丹译．分形漫步．东北大学出版社，1994．9．
【97】 訾艳阳．基于非平稳信号特征提取原理的使用诊断技术研究。西安交通大学博士学位论文，2000．11．
【98】 王炳雪，史忠科，吴方向．时间序列曲线盒维数的一种快速算法．系统工程，18(4)，2000．7：68—72．
【99】 滕丽娜，陈兆能，佟德纯，童剑飞．关联维数在旋转机械支承系统状态监测中的应用．上海交通大学学报，36(9)，2002．9：1377—1380。
【100】 李亚安，徐德民，张效民。低信噪比混沌信号的维数计算。西北工业大学学报，20(3)，2002．8：444—448．
【101】 杨文平，陈国定，石博强，侯容涛．基于分形理论的斯太尔汽车发动机故障诊断的研究．机械工程学报，38(2)，2002．2：49—52。
【102】 叶中行，龙如军．混沌时间序列的区间预测．上海交通大学学报，31(2)，1997：7—12．
【103】 费斌，蒋庄德，王海容．基于遗传算法求解分形无标度区的方法．西安交通大学学报，32(7)，1998，7：72—75．
【104】 费斌，王海容，蒋庄德。机械加工表面分形特性的研究．西安交通大学学报，32(5)，1998．5：83—86．
【105】 孙博文，张本祥．上证指数的分形结构及其盒维数测量的研究．哈尔滨理工大学学报，6(6)，2001．6：33—35．
【106】 崔迎春，张琰．分形几何理论在屏蔽暂堵剂优选中的应用。石油大学学报(自然科学版)，24(2)，2000：17—20．
【107】 姜建东，王晓升，屈梁生．分形几何在回转机械振动信号分析中的应用．中国机械工程，9(10)，1998．10．
【108】 张萍，何涛，钟毓宁，叶道斌．分形几何在故障信号特征提取中的应用．湖北工学院学报，14(1-2)，1999．
【109】 张朝晖，黄惟一．振动波形的分形判别及特征提取．东南大学学报，29(4)，1999。
【110】 姚纪欢，方艺东，肖景明，葛德彪．动态海面的分形模拟及其电磁散射．西安电子科技大学学报，26(6)，1999．
【111】 Satish T. S. Bukkapamam, Soundar R. T. Kumara, Akhlesh Lakhtakia. Fractal Estimation of Flank Wear in Turning. Journal of Dynamic Systems, Measurement, and Control, 122(1), 2000: 89-94
【112】 C. Bradley and Y.S. Wong. Surface Texture Indicators of Tool Wear - A Machine Vision Approach. The International Journal of Advanced Manufacturing Technology, 17(6), 2001: 435- 443.
【113】 Satish T. S. Bukkapatnam, RajkumarPalanna. Experimental Characterization of Nonlinear Dynamics Underlying the Cylindrical Grinding Process. Journal of Manufacturing Science and Engineering, 126(2)，2004：341-344．
【
【114】 谢锦辉著．隐Markov模型(HMM)及其在语音处理中的应用．华中理工大学出版社，1995。
【115】 赵力编著．语音信号处理．机械工业出版社，2003．3。
【116】 张雄伟，陈亮，杨吉斌编著．现代语音处理技术及应用．机械工业出版社，2003．8．
【117】 马振华编．现代应用数学手册(概率统计与随机工程卷)．清华大学出版社，2000．7．
【118】 许宝杰，韩秋实，徐小力．基于隐马尔可夫模型的机器状态趋势预测方法．精密制造与自动化，2003(增刊)：11—13．
【119】 何树波，丁启全，李志农等．基于Wavelet-HMM的旋转机械故障诊断方法研究．机械强度，25(5)，2003：473—475，
【120】 冯长建，丁启全等．混合SOM和HMM方法在旋转机械升速全过程故障诊断中的应用．中国机械工程，13(20)，2002．10：1711—1714．
【121】 童进，吴昭同，严拱标．大型旋转机械升降速过程故障诊断研究．振动、测试与诊断．19(3)，1999．9：193—195．
【122】 童进，吴昭同，严拱标．大型旋转机械升降速过程故障诊断HMM-AR方法研究．振动与冲击，18(2)，1999．9：79—80．
【123】 童进，吴昭同，严拱标．大型旋转机械升降速过程故障诊断HMM方法研究．机械科学与技术，18(6)，1999，9：973-975．
【124】 李志农，吴昭同，丁启全．小波和FHMM在旋转机械升降速过程中的应用．控制工程，10(4)，2003：209—301．
【125】 冯长建，丁启全，吴昭同．线性AR-HMM在旋转机械故障诊断中的应用．汽轮机技术，44(5)，2002．10：301—303。
【126】 叶大鹏，丁启全，吴昭同．基于2D-HMM旋转机械升速过程的故障诊断方法研究．中国机械工程，14(13)，2003．7：1149—1151．
【127】 鲁林丽，丁明跃，刘小平．基于HMM的红外点目标序列图像扰动补 偿方法．红外与激光工程，29(4)，2000．8：30—33．
【
【128】 张焱，张杰，黄志同．语音识别中隐马尔可夫模型状态数的研究．南京理工大学学报，22(3)，1998．6：30—33．
【129】 张建伟，相敬林．舰船辐射噪声的小波域HMM分析．声学技术，19(2)，2000：60—63．
【130】 李姣军．小波变换和HMM模型在语音识别中的应用．重庆大学学报(自然科学版)，24(4)，2001．7：61—63．
【131】 马明，张杰，王建宇，黄志同．语音识别中隐马尔可夫模型初值的估计．数据采集与处理，12(2)，1997，6：96—100．
【132】 Litao Wang, Mostafa G. Mehrabi, Elijah Karmatey-Asibu, Jr. Hidden Markov Model-based Tool Wear Monitoring in Turning. Journal of Manufacturing Science and Engineering, 124, 2002: 651—658.
【133】 H.M. Ertunc, K. A. Loparo. A decision fusion algorithm for tool wear condition monitoring in drilling. International Journal of Machine Tools & Manufacture, 41, 2001: 1347—1362.
【134】 Huseyin M. Ertunc, Kenneth A. Loparo, Hasan Ocak. Tool wear condition monitoring in drilling operations using hidden Markov models (HMMs). International Journal of Machine Tools & Manufacture, 41, 2001: 1363—1384.
【135】 郑建明，李言，黄玉美等．分形在钻头磨损切削力特征提取中的应用．应用科学学报，22(3)，2004．9。
【2】 刘晓谦，蒋锡藩等．国内外刀具磨损、破损自动监测方法的现状评述．机床，No．5，1992：5—8．
【3】 Dong-Woo Cho, Sang Jo Lee, Chong Nam Chu. The state of machining process monitoring research in Korea. International Journal of Machine Tools & Manufacture, 39, 1999: 1697—1715.
【4】 E. Brinksmeier. Prediction of Tool Fracture in Drilling. Annals of CIRP, 39(1), 1990: 97—105.
【5】 李劲松．铣削过程刀具磨损监控技术研究．北京航空航天大学博士学位论文，1998。
【6】 吕卫阳．小波和分形在微孔钻削状态监测中的应用．北京科技大学博士学位论文，1998．10。
【7】 A. NOORI-KHAJAVI and R. KOMANDURI. FREQUENCY AND TIME DOMAIN ANALYSES OF SENSOR SIGNALS IN DRILLING-Ⅰ. CORRELATION WITH DRILL WEAR. Int. J. Mach. Tools Manufact, 35(6), 1995: 775—793.
【8】 Li Xiaoli. On-line detection of the breakage of small diameter drills using current signature wavelet transform. International Journal of Machine Tools & Manufacture, 39, 1999: 157—164.
【9】 A. NOORI-KHAJAVI and R. KOMANDURI. FREQUENCY AND TIME DOMAIN ANALYSES OF SENSOR SIGNALS IN DRILLING-Ⅱ. INVESTIGATION ON SOME PROBLEMS ASSOCIATED WITH SENSOR INTEGRATION. Int. J. Mach. Tools Manufact, 35(6), 1995: 795—815.
【10】 黄惟公，罗中先．刀具磨损监测中信号特征值的提取与聚类分析．机械，26(3)，1999：7—9。
【11】 R.G. SILVA, R. L. REUBEN, K. J. BAKER AND S. J.WILCOX. TOOL WEAR MONITORING OF TURNING OPERATIONS BY NEURAL NETWORK AND EXPERT SYSTEM CLASSIFICATION OF A FEATURE SET GENERATED FROM MULTIPLE SENSORS. Mechanical Systems and Signal Processing, 12(2), 1998: 319—332.
【12】 冯平法，张玉峰等．基于人工神经网络的变切削条件下钻头磨损监控．中国机械工程，8(2)，1997：25—27．
【13】 ZHANG DE.YUAN, HAN YUNTAI and CHEN DINGCHANG. ON-LINE DETECTION OF TOOL BREAKAGES USING TELEMELERING OF CUTTING FORCES IN MILLING Int. J. Mach. Tools Manufact. 35(1), 1994: 19—27.
【14】 G. S. HONG, M. RAHMAN and Q.ZHOU. USING NEURAL NETWORK FOR TOOL CONDITION MONITORING BASED ON WAVELET DECOMPOSITION. Int. J. Mach. Tools Manufact. 36(5), 1996: 551—566.
【15】 D.E. Dimla Sr, R M. Lister. On-line metal cutting tool condition monitoring. Ⅰ: force and vibration analyses. International Journal of Machine Tools & Manufacture, 40(5), 2000: 739-768.
【16】 李更生．钻削状态在线监测技术的理论与应用研究．南京航空学院博士学位论文，1991．9．
【17】 袁哲俊，姚英学，张飞虎．钻削过程监控技术及其应用研究．机械工程学报，28(3)，1992．6：55—60。
【18】 刘经燕，杨叔子等．刀具磨损的信号功率分析与监视．华中工学院学院，13(5)，1985：95—102．
【19】 万军，蔡复之，张玉峰．铣刀破损功率监控方法的研究．清华大学 学报，34(2)，1994：40—45．
【
【20】 H.S. LIU, B. Y. LEE and Y. S. TARNG MONITORING OF DRILL FRACTURE FROM THE CURRENT MEASUREMENT OF A THREE-PHASE INDUCTION MOTOR. Int. J. Mach. Tools Manufact. 36(6), 1996: 729—738.
【21】 Dr. J. Tlusty and Dr. C. G. Andrews. A Critical Review of Sensors for Unmanned Machining. Annals of CIRP, 32(2), 1983: 563—572.
【22】 T. I. EL-WARDANY, D. GAO and M. A. ELBESTAWI. TOOL CONDITION MONITORING IN DRILLING USING VIBRATION SIGNATURE ANALYSIS. Int. J. Math. Tools Manufact, 36(6), 1996: 687—711.
【23】 郑力，罗振壁等．一个应用于自动化加工系统的综合刀具监测系统．机械工程学报，27(5)，1991．6：7—12．
【24】 乐可锡．精密机床切削工况监控技术现状及其发展趋势．机械工业自动化，16(3)，1994．9：28—31。
【25】 P.W. Prickett, C. Johns. An overview of approaches to end milling tool monitoring. International Journal of Machine Tools & Manufacture, 39, 1999: 105—122.
【26】 R. Teti, U. La Commare. Cutting Conditions and Work Material State Identification through Acoustic Emission Methods. Annals of CIRP, 41(1), 1992: 89—100.
【27】 In-Hyu Choi, Jeong-Du Kim. Development of monitoring system on the diamond tool wear. Intemational Journal of Machine Tools & Manufacture, 39, 1999: 505—515.
【28】 M. RUZZENE, A. FASANA, L. GARIBALDI AND B. PIOMBO. NATURAL FREQUENCIES AND DAMPINGS IDENTIFICATION USING WAVELET TRANSFORM: APPLICATION TO REAL DATA. Mechanical Systems and Signal Processing, 11 (2), 1997: 207—218.
【
【29】 B.A. PAYA, I. I. ESAT and M. N. M. BADI. ARTIFICIAL NEURAL NETWORK BASED FAULT DIAGNOSTICS OF ROTATING MACHINERY USING WAVELET TRANSFORMS AS A PREPROCESSOR. Mechanical Systems and Signal Processing, 11 (5), 1997: 751—765.
【30】 李圣怡等．智能制造技术基础．国防科技大学出版社，1995．
【31】 温熙森，胡茑庆，邱静编著．模式识别与状态监测．国防科技大学出版社，1997．11．
【32】 李小俚，姚英学，袁哲俊．基于小波模糊神经网络刀具监测系统研究．机械工程学报，34(1)，1998，2：59—63。
【33】 Shang-Liang Chen, Y. W. Jen. Data fusion neural network for tool condition monitoring in CNC milling machining. International Journal of Machine Tools & Manufacture, 40, 2000: 381—400.
【34】 S.K. Choudhury, V. K. Jain, Ch. V. V. Rama Rao. On-line monitoring of tool wear in turning using a neural network. International Journal of Machine Tools & Manufacture, 39, 1999: 489—504.
【35】 P. G. Mathews, M. S. Shunmugam. Neural-network approach for predicting hole quality in reaming. International Journal of Machine Tools & Manufacture, 39, 1999: 723—730.
【36】 Y. S. TARNG, Y. W. HSEIH and S. T. HWANG. SENSING TOOL BREAKAGE IN FACE MILLING WITH A NEURAL NETWORK. Int. J. Mach. Tools Manufact, 34(3), 1994: 341—350.
【37】 I.N. Tansel, T. T. Arkan, W. Y. Bao, N. Mahendrakar, B. Shisler, D. Smith, M. McCool. Tool wear estimation in micro-machining. Part Ⅱ: neural-network-based periodic inspector for non-metals. International Journal of Machine Tools & Manufacture, 40, 2000: 609—620.
【38】 D.E. Dimla Sr, P. M. Lister. On-line metal tool condition monitoring. Ⅱ: tool-state classification using multi-layer perception neural networks. International Journal of Machine Tools & Manufacture, 40(5), 2000: 769—781.
【39】 徐春广，王信义等．FMS 刀具切削状态实时在线监测职能系统．机械工程学报，34(1)，1998．12：41—46．
【40】 倪前富，邵华，林益耀．机床功率信号的试验研究．组合机床与自动化加工技术，6，1994：21—33．
【41】 北京永定机械厂群钻小组著．群钻．上海科学技术出版社，1982．12．
【42】 星铁太郎著．机械加工颤振的分析与对策．上海科学技术出版社，1984．11．
【43】 梅宏斌，阎明印编．C语言基本编程教程．陕西电子杂志社，1994。
【44】 胡广书编著。数字信号处理——理论、算法与实现。清华大学出版社，2002．3．
【45】 郑建明，李言，肖继明等。基于神经网络的多特征融合刀具磨损量识别．机械科学与技术，21(1)，2002：111—113．
【46】 马建仓，罗磊，吴启彬．小波——人工神经网络信息融合故障诊断方法．中国机械工程，8(2)，1997：38—40．
【47】 王太勇，李书明等．神经网络多参数诊断法及其应用研究．机械工程学报，34(1)，1998．2：100—103．
【48】 何正嘉，赵纪元等。机械检测诊断中非平稳性信号处理的研究．西安交通大学学报，30(7)，1996．7：36—41．
【49】 马建仓，吴启彬，罗磊．小波包分析在旋转机械冲击故障诊断中的应用研究．机械科学与技术，17(2)，1998．3：310—312．
【50】 刘华，蔡正敏等．小波包算法在滚动轴承的在线故障诊断中的应用．机械科学与技术，18(2)，1999．3：301—302．
【51】 张佩瑶，马孝江，王吉军，朱泓．小波包信号提取算法及其在故障诊断中的应用．大连理工大学学报，37(1)，1997．1：64—72．
【52】 冯平法，张玉峰等．铣刀磨损在线功率监控方法研究．机械与电子，1997．1：25—28。
【53】 黄勇，应济，傅建中等．基于多传感器信息融合的刀具监测技术．机电工程，1997．3：52—53．
【54】 邱静，温熙森，唐丙阳．制造系统的状态监测与多传感器信息融合。中国机械工程，7(1)，1996：18—20．
【55】 李旗号，赵卫东．刀具磨损的人工神经网络估计．天津大学学报，(4)，2000．7：447—450。
【56】 陈吉红，陈日曜，师汉民．神经网络用于切屑类型监视。华中理工大学学报，22(2)，1994．2：5—9．
【57】 揭景耀．智能刀具状态监测系统研究与进展．中国机械工程，8(6)，1997：60—62．
【58】 朱铭铨，姬中岳，刘镜．神经网络与CIMS监控技术．中国机械工程，3(3)，1992：6—8．
【59】 关剑，费仁元，王民．切削状态在线检测的信号特征．北京工业大学学报，26(1)，2000：1—5．
【60】 侯卫兵，张玉峰，董永贵。人工神经网络在砂轮监控中的应用研究．中国机械工程，8(2)，1997：17—20。
【61】 徐春广，王信义，肖定国．切削状态在线监测的新方法．北京理工大学学报，14(1)，1994．2：48—51．
【62】 杨宗凯．小波去噪及其在线信号检测中的应用。华中理工大学学报，25(2)，1997．2：2—4．
【63】 周受钦，谢友柏．基于模糊神经网络的机械故障诊断研究．汽轮机技术，41(4)，1999．8：216—202．
【64】 张桂才，史铁林，杨叔子．基于高阶统计量的机械故障特征提取方 法研究．华中理工大学学报，27(3)，1999．3：6—8．
【
【65】 郑建明，李言，黄玉美．刀具磨损切削力功率谱特征多分辨分析．机床与液压，178(4)，2002：189—191．
【66】 石博强，薛辉．基于相空间重构的GMDH方法在复杂机械系统状态预测中的应用．北京科技大学学报，21(6)，1999．21：577—579．
【67】 K. F. MARTIN. A REVIEW BY DISCUSSION OF CONDITION MONITORING AND FAULT DIAGNOSIS IN MACHINE TOOLS. Int. J. Mach. Tools Manufact. 34(4), 1994: 527—551.
【68】 奚定平等．基于小波变换在线检测机器运行时轴承产生的缺陷．振动、测试与诊断，20(4)，2000：273-278．
【69】 吕卫阳，陈克兴等．多尺度分析在微孔钻削状态监测中的应用．振动、测试与诊断，20(2)，2000：102-105．
【70】 崔锦泰著，程正兴译．小波分析导论．西安交通大学出版，1997．1。
【71】 杨福生著。小波变换的工程分析与应用．科学出版社，2001。
【72】 胡昌华，张军波，夏军，张伟编著．基于MATLAB系统分析与设计——小波分析．西安电子科技大学出版社，2000．
【73】 L·科恩 著，白居宪译．时—频分析：理论与应用．西安交通大学出版社，1997．8．
【74】 郑建明，李言，肖继明等．伸缩窗口短时Fourier分析．振动、测试与诊断，20(4)，2000：273-278
【75】 张贤达，保铮著．非平稳信号分析与处理。国防工业出版社，1999．7。
【76】 虞和济，陈长征，张省等。基于神经网络的智能故障诊断．冶金工业出版社．2000．3．
【77】 A.L.B.Dos Santos, M. A. V. Duarte, A. M. Abrao, A, R.Machado. An optimization procedure to determine the coefficients of the extended Taylor's equation in machining. International Journal of Machine Tools & Manufacture, 39, 1999: 17—31.
【
【78】 S.K. Choudhury, K. K. Kishore. Tool wear measurement in turning using force ratio. International Journal of Machine Tools & Manufacture, 40, 2000: 899—999.
【79】 WON-TAE KWON and KORNEL F. EHMANN. TOOL WEAR MONITORING BY USING THE IMAGINARY PART OF THE TRANSFER FUNCTION OF THE CUTTING. Int. J. Mach. Tools Manufact, 34(3), 1994: 393—406.
【80】 JAE WOONG YOUN, MIN YANG YANG and HWA YOUNG PARK. DETECTION OF CUTTING TOOL FRACTURE BY DUAL SIGNAL MEASUNREMENTS. Int. J. Math. Tools Manufact, 34(4), 1994: 507—525.
【81】 JEONG-DU KIM and IN-HYU CHOI. DEVELOPMENT OF A TOOL FAILURE DETECTION SYSTEM USING MULTI-SENSORS. Int. J. Mach. Tools Manufact, 36(8), 1996: 861—870.
【82】 I.N. Tansel, T. T. Arkan, W. Y. Bao, N. Mahendrakar, B. Shisler, D. Smith, M. McCool. Tool wear estimation in micro-machining. Part Ⅰ: tool usage-cutting force relationship. International Journal of Machine Tools & Manufacture, 40, 2000: 599—608.
【83】 Haldun M. Ozaktas, Orhan Arikan, M. Alper Kutay. Digital Computation of the Fractional Fourier Transform. IEEE TRANSACTIONS ON SIGNAL PROCESSING, 44(9), 1996: 2141—2149.
【84】 王世清．孔加工技术．石油工业出版社，1993
【85】 朱祖良．孔加工刀具．国防工业出版社，1990。
【86】 李加种．金属切削动力学．浙江大学出版社，1993．
【87】 张幼桢主编．金属切削理论．航空工业出版社，1988．6．
【88】 赵纪元．基于小波理论神经网络的实用诊断技术研究．西安交通大学博士学位论文，1997．5．
【89】 楼顺天，李博菡编著．基于MATLAB系统分析与设计——信号处理．西安电子科技大学出版社，1999．
【90】 楼顺天，施阳编著．基于MATLAB系统分析与设计——神经网络．西安电子科技大学出版社，1999．
【91】 张宜华编，史惠康审校．精通MATLAB5．清华大学出版社，1999．
【92】 袁小宏．机械诊断中信号融合方法的研究．西安交通大学博士学位论文，1998．4．
【93】 秦前清，杨宗凯编著．实用小波分析．西安电子科技大学出版社，1998．1。
【94】 石博强，申焱华著．机械故障诊断的分形方法——理论与实践．冶金工业出版社，2001．3．
【95】 肯尼思·法尔科内著．曾文曲，刘世耀，戴连贵，高占阳译．分形几何——数学基础及其应用．东北大学出版社，1991．
【96】 B．H．Kaye著，徐新阳，康艳，陈旭，刘丹译．分形漫步．东北大学出版社，1994．9．
【97】 訾艳阳．基于非平稳信号特征提取原理的使用诊断技术研究。西安交通大学博士学位论文，2000．11．
【98】 王炳雪，史忠科，吴方向．时间序列曲线盒维数的一种快速算法．系统工程，18(4)，2000．7：68—72．
【99】 滕丽娜，陈兆能，佟德纯，童剑飞．关联维数在旋转机械支承系统状态监测中的应用．上海交通大学学报，36(9)，2002．9：1377—1380。
【100】 李亚安，徐德民，张效民。低信噪比混沌信号的维数计算。西北工业大学学报，20(3)，2002．8：444—448．
【101】 杨文平，陈国定，石博强，侯容涛．基于分形理论的斯太尔汽车发动机故障诊断的研究．机械工程学报，38(2)，2002．2：49—52。
【102】 叶中行，龙如军．混沌时间序列的区间预测．上海交通大学学报，31(2)，1997：7—12．
【103】 费斌，蒋庄德，王海容．基于遗传算法求解分形无标度区的方法．西安交通大学学报，32(7)，1998，7：72—75．
【104】 费斌，王海容，蒋庄德。机械加工表面分形特性的研究．西安交通大学学报，32(5)，1998．5：83—86．
【105】 孙博文，张本祥．上证指数的分形结构及其盒维数测量的研究．哈尔滨理工大学学报，6(6)，2001．6：33—35．
【106】 崔迎春，张琰．分形几何理论在屏蔽暂堵剂优选中的应用。石油大学学报(自然科学版)，24(2)，2000：17—20．
【107】 姜建东，王晓升，屈梁生．分形几何在回转机械振动信号分析中的应用．中国机械工程，9(10)，1998．10．
【108】 张萍，何涛，钟毓宁，叶道斌．分形几何在故障信号特征提取中的应用．湖北工学院学报，14(1-2)，1999．
【109】 张朝晖，黄惟一．振动波形的分形判别及特征提取．东南大学学报，29(4)，1999。
【110】 姚纪欢，方艺东，肖景明，葛德彪．动态海面的分形模拟及其电磁散射．西安电子科技大学学报，26(6)，1999．
【111】 Satish T. S. Bukkapamam, Soundar R. T. Kumara, Akhlesh Lakhtakia. Fractal Estimation of Flank Wear in Turning. Journal of Dynamic Systems, Measurement, and Control, 122(1), 2000: 89-94
【112】 C. Bradley and Y.S. Wong. Surface Texture Indicators of Tool Wear - A Machine Vision Approach. The International Journal of Advanced Manufacturing Technology, 17(6), 2001: 435- 443.
【113】 Satish T. S. Bukkapatnam, RajkumarPalanna. Experimental Characterization of Nonlinear Dynamics Underlying the Cylindrical Grinding Process. Journal of Manufacturing Science and Engineering, 126(2)，2004：341-344．
【
【114】 谢锦辉著．隐Markov模型(HMM)及其在语音处理中的应用．华中理工大学出版社，1995。
【115】 赵力编著．语音信号处理．机械工业出版社，2003．3。
【116】 张雄伟，陈亮，杨吉斌编著．现代语音处理技术及应用．机械工业出版社，2003．8．
【117】 马振华编．现代应用数学手册(概率统计与随机工程卷)．清华大学出版社，2000．7．
【118】 许宝杰，韩秋实，徐小力．基于隐马尔可夫模型的机器状态趋势预测方法．精密制造与自动化，2003(增刊)：11—13．
【119】 何树波，丁启全，李志农等．基于Wavelet-HMM的旋转机械故障诊断方法研究．机械强度，25(5)，2003：473—475，
【120】 冯长建，丁启全等．混合SOM和HMM方法在旋转机械升速全过程故障诊断中的应用．中国机械工程，13(20)，2002．10：1711—1714．
【121】 童进，吴昭同，严拱标．大型旋转机械升降速过程故障诊断研究．振动、测试与诊断．19(3)，1999．9：193—195．
【122】 童进，吴昭同，严拱标．大型旋转机械升降速过程故障诊断HMM-AR方法研究．振动与冲击，18(2)，1999．9：79—80．
【123】 童进，吴昭同，严拱标．大型旋转机械升降速过程故障诊断HMM方法研究．机械科学与技术，18(6)，1999，9：973-975．
【124】 李志农，吴昭同，丁启全．小波和FHMM在旋转机械升降速过程中的应用．控制工程，10(4)，2003：209—301．
【125】 冯长建，丁启全，吴昭同．线性AR-HMM在旋转机械故障诊断中的应用．汽轮机技术，44(5)，2002．10：301—303。
【126】 叶大鹏，丁启全，吴昭同．基于2D-HMM旋转机械升速过程的故障诊断方法研究．中国机械工程，14(13)，2003．7：1149—1151．
【127】 鲁林丽，丁明跃，刘小平．基于HMM的红外点目标序列图像扰动补 偿方法．红外与激光工程，29(4)，2000．8：30—33．
【
【128】 张焱，张杰，黄志同．语音识别中隐马尔可夫模型状态数的研究．南京理工大学学报，22(3)，1998．6：30—33．
【129】 张建伟，相敬林．舰船辐射噪声的小波域HMM分析．声学技术，19(2)，2000：60—63．
【130】 李姣军．小波变换和HMM模型在语音识别中的应用．重庆大学学报(自然科学版)，24(4)，2001．7：61—63．
【131】 马明，张杰，王建宇，黄志同．语音识别中隐马尔可夫模型初值的估计．数据采集与处理，12(2)，1997，6：96—100．
【132】 Litao Wang, Mostafa G. Mehrabi, Elijah Karmatey-Asibu, Jr. Hidden Markov Model-based Tool Wear Monitoring in Turning. Journal of Manufacturing Science and Engineering, 124, 2002: 651—658.
【133】 H.M. Ertunc, K. A. Loparo. A decision fusion algorithm for tool wear condition monitoring in drilling. International Journal of Machine Tools & Manufacture, 41, 2001: 1347—1362.
【134】 Huseyin M. Ertunc, Kenneth A. Loparo, Hasan Ocak. Tool wear condition monitoring in drilling operations using hidden Markov models (HMMs). International Journal of Machine Tools & Manufacture, 41, 2001: 1363—1384.
【135】 郑建明，李言，黄玉美等．分形在钻头磨损切削力特征提取中的应用．应用科学学报，22(3)，2004．9。