基于多傳感器信息融合的刀具狀態(tài)監(jiān)測研究.pdf

1、該文結合監(jiān)測系統(tǒng)三大部分,即信號檢測、特征提取、狀態(tài)識別,進行基于多傳感器信息融合的刀具狀態(tài)監(jiān)測研究:選擇對刀具磨損反應敏感的切削力信號和振動信號作為檢測對象;根據信號的特點,分別在時域、頻域和時頻域對檢測到的信號進行分析和信號特征提取;以神經網絡模型實現(xiàn)多傳感器信息融合,對刀具狀態(tài)進行識別決策,構造出在單一工況和多工況條件下進行刀具狀態(tài)監(jiān)測的系統(tǒng).該文用小波包分解的方法,把時域信號分解成不同頻域段對應的子信號,從這些子信號中選擇最大程

2、度上反映刀具磨損的組合作為研究對象,再對這些組合進行特征提取.文中通過調整網絡結構、在可調節(jié)參數(shù)的調整公式中引入動量項、在學習過程中采用變學習率和最小誤差保留策略等優(yōu)化學習算法加速神經網絡學習速度,改善其收斂性.并就傳統(tǒng)BP網絡和小波神經網絡的學習算法加速神經網絡學習速度,改善其收斂性.并就傳統(tǒng)BP網絡和小波神經網絡的學習效果作實例對比.在實際刀具監(jiān)測模型的構造中,對于單一工況條件下的刀具監(jiān)測系統(tǒng),比較了以單一傳感器檢測信號和采用多傳感