基于多傳感器信息融合的刀具狀態(tài)監(jiān)測(cè)研究.pdf

1、該文結(jié)合監(jiān)測(cè)系統(tǒng)三大部分,即信號(hào)檢測(cè)、特征提取、狀態(tài)識(shí)別,進(jìn)行基于多傳感器信息融合的刀具狀態(tài)監(jiān)測(cè)研究:選擇對(duì)刀具磨損反應(yīng)敏感的切削力信號(hào)和振動(dòng)信號(hào)作為檢測(cè)對(duì)象;根據(jù)信號(hào)的特點(diǎn),分別在時(shí)域、頻域和時(shí)頻域?qū)z測(cè)到的信號(hào)進(jìn)行分析和信號(hào)特征提取;以神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)多傳感器信息融合,對(duì)刀具狀態(tài)進(jìn)行識(shí)別決策,構(gòu)造出在單一工況和多工況條件下進(jìn)行刀具狀態(tài)監(jiān)測(cè)的系統(tǒng).該文用小波包分解的方法,把時(shí)域信號(hào)分解成不同頻域段對(duì)應(yīng)的子信號(hào),從這些子信號(hào)中選擇最大程

2、度上反映刀具磨損的組合作為研究對(duì)象,再對(duì)這些組合進(jìn)行特征提取.文中通過(guò)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)、在可調(diào)節(jié)參數(shù)的調(diào)整公式中引入動(dòng)量項(xiàng)、在學(xué)習(xí)過(guò)程中采用變學(xué)習(xí)率和最小誤差保留策略等優(yōu)化學(xué)習(xí)算法加速神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度,改善其收斂性.并就傳統(tǒng)BP網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法加速神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度,改善其收斂性.并就傳統(tǒng)BP網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效果作實(shí)例對(duì)比.在實(shí)際刀具監(jiān)測(cè)模型的構(gòu)造中,對(duì)于單一工況條件下的刀具監(jiān)測(cè)系統(tǒng),比較了以單一傳感器檢測(cè)信號(hào)和采用多傳感