基于神經(jīng)網(wǎng)絡(luò)的刀具狀態(tài)監(jiān)測算法研究.pdf

1、本論文全面論述了現(xiàn)代加工過程監(jiān)控的意義，刀具狀態(tài)監(jiān)測的研究現(xiàn)狀與發(fā)展方向。論文在全面分析了刀具監(jiān)測需解決的關(guān)鍵技術(shù)問題的基礎(chǔ)上，設(shè)計(jì)了刀具狀態(tài)智能監(jiān)測系統(tǒng)模型。建立了刀具狀態(tài)識別的神經(jīng)網(wǎng)絡(luò)復(fù)合模型，模型分為上下兩層結(jié)構(gòu)，這是該系統(tǒng)的核心。在下層的動(dòng)態(tài)識別部分，實(shí)現(xiàn)對刀具狀態(tài)多特征典型模式的自組織，并且能自動(dòng)發(fā)現(xiàn)加工中出現(xiàn)的新故障模式，能夠彌補(bǔ)神經(jīng)網(wǎng)絡(luò)有監(jiān)督學(xué)習(xí)方法在刀具監(jiān)測中的不足。在上層的靜態(tài)識別層，靜態(tài)識別層分為兩種結(jié)構(gòu)，分別實(shí)現(xiàn)對

2、于刀具狀態(tài)的三個(gè)階段的識別和刀具磨損量的估計(jì)，兩個(gè)結(jié)果可以互相結(jié)合，能夠更加準(zhǔn)確識別刀具磨損狀態(tài) 。分層式智能識別模型不僅能滿足對加工中突發(fā)故障的實(shí)時(shí)監(jiān)測要求，而且能滿足對刀具磨損的高精度識別要求。為進(jìn)一步提高監(jiān)測系統(tǒng)的性能，針對小波網(wǎng)絡(luò)在實(shí)現(xiàn)多維模式識別時(shí)存在的“維數(shù)災(zāi)”問題，在分析刀具狀態(tài)監(jiān)測的靜態(tài)識別小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)的基礎(chǔ)上，提出混合遞階遺傳算法優(yōu)化小波神經(jīng)網(wǎng)路，該算法是遞階遺傳算法和線性回歸的結(jié)合，降低了網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜性