基于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)的刀具磨損狀態(tài)識(shí)別研究.pdf

1、刀具是加工制造過程中最基本的生產(chǎn)要素之一，它的好壞直接影響被加工對(duì)象的質(zhì)量，加工成本和生產(chǎn)效率等等，因此，刀具狀態(tài)檢測(cè)成為了工況監(jiān)測(cè)中一個(gè)極為關(guān)鍵的技術(shù)環(huán)節(jié)。研究表明，刀具狀態(tài)監(jiān)測(cè)能夠?qū)⒂扇撕图夹g(shù)因素引起的故障停機(jī)時(shí)間減少75％，將有效加工時(shí)間由無監(jiān)測(cè)系統(tǒng)時(shí)的10％提高到65％，將機(jī)床利用率提高到50％以上。 本論文以聲發(fā)射信號(hào)為切入點(diǎn)，通過搭建刀具磨損狀態(tài)實(shí)驗(yàn)系統(tǒng)和動(dòng)手操作，獲得了大量的研究數(shù)據(jù)。根據(jù)聲發(fā)射信號(hào)具有隨機(jī)性的特點(diǎn)

2、，本論文提出小波包分解提取信號(hào)特征的方法，小波分析方法是分析非平穩(wěn)隨機(jī)信號(hào)非常有力的工具，分析結(jié)果表明小波包分解提取的能量特征能正確地反映刀具磨損狀態(tài)。 神經(jīng)網(wǎng)絡(luò)是目前模式識(shí)別的主要方法。本論文利用神經(jīng)網(wǎng)絡(luò)的非線性映射功能，建立神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)刀具磨損狀態(tài)和聲發(fā)射信號(hào)特征向量之間的映射關(guān)系，同時(shí)，還討論了網(wǎng)絡(luò)隱層數(shù)、隱層神經(jīng)元數(shù)的選取和網(wǎng)絡(luò)訓(xùn)練等問題。本論文通過建立BP神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了刀具磨損狀態(tài)的識(shí)別，克服了其他識(shí)別方法過分依賴