典型文献
基于数据挖掘技术的钛合金铣削工艺参数优化
文献摘要：
随着大数据时代的来临,传统数据挖掘技术已不能满足智能制造背景下海量数据处理的要求.针对海量数据在挖掘过程中出现的计算能力不足、挖掘效率低下的现状,提出在云计算环境下,以分步聚类理念为基础,对经典K-means聚类算法进行改进,并将改进的算法与Hadoop平台的MapReduce计算架构相结合,实现算法计算并行化,从而形成能够应对海量数据挖掘任务的新算法T.K-means.为了验证新算法的实用性能,以虚拟铣削Ti-6Al-4V(TC4)钛合金加工运行数据为挖掘对象,利用T.K-means算法挖掘加工工艺参数与工件表面粗糙度之间的关系,得到可调控工艺参数的优化值以指导实际加工.挖掘结果表明,T.K-means算法可用于TC4钛合金铣削工艺参数优化目标值的确定,其所挖掘出的工艺参数能够反应机床铣削加工TC4钛合金表面粗糙度的最佳运行状态.
文献关键词：
数据挖掘;分步聚类;T.K-means算法;MapReduce架构;铣削参数优化
中图分类号：
作者姓名：
刘献礼;孙庆贞;岳彩旭;李恒帅
作者机构：
哈尔滨理工大学先进制造智能化技术教育部重点实验室,黑龙江 哈尔滨 150080
文献出处：
引用格式：
[1]刘献礼;孙庆贞;岳彩旭;李恒帅-.基于数据挖掘技术的钛合金铣削工艺参数优化)[J].计算机集成制造系统,2022(08):2440-2448
A类：
分步聚类
B类：
数据挖掘技术,铣削工艺参数,工艺参数优化,下海,海量数据处理,计算能力,云计算环境下,means,聚类算法,Hadoop,MapReduce,计算架构,算法计算,并行化,形成能,海量数据挖掘,新算法,Ti,6Al,4V,TC4,钛合金加工,工运,运行数据,加工工艺,工件表面粗糙度,可调控,调控工艺,实际加工,优化目标,目标值,挖掘出,机床,铣削加工,金表,佳运,铣削参数优化
AB值：
0.349953
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
