Compressive sensing and sparse decomposition in precision machining process monitoring: From theory to applications

ماشینکاری دقیق گفته شده است که ستون فقرات صنعت مدرن است. این به طور گسترده ای در تولید قطعات اصلی در صنایع هوا فضا، پزشکی و خودرو مورد استفاده قرار گرفته است. یکی از مسائل اصلی مربوط به بهره وری و ایمنی ماشینکاری دقیق، شرایط ماشینکاری است. پردازش سیگنال با استفاده از اطلاعات به دست آمده از اندازه گیری های حسی جهت هدایت اقدامات بیشتر، شکاف بین آموزش انسانی و اتوماسیون کامل را می شکند. روشهای کسب سیگنال سنتی و روشهای پردازش عمدتا بر اساس نظریه نمونه برداری شانون، روش فوریه یا تحلیل موجک است. در حالی که این تکنیک ها با چالش هایی در محیط دقت ماشینکاری مواجه هستند، مانند ماشینکاری با سرعت بالا، نسبت سیگنال به نویز کم و سرعت نمونه گیری بالا. این عوامل، برنامه های کاربردی خود را به ویژه پیاده سازی نظارت آنلاین محدود می کند. تئوری حساسیت فشرده سازی جدید و تکنیک های تجزیه ضعیف ارائه یک راه حل ممکن برای این مشکلات است، در حالی که مطالعات محدود شده مورد بررسی قرار گرفته اند. این مقاله به عنوان مقدمه ای بر نظریه عمل می کند و پتانسیل نظری را در نظارت وضعیت ماشینکاری با بررسی ادبیات مرتبط و نشان دادن مطالعات موردی از آزمایش های واقعی نشان می دهد.