基于聲發(fā)射和神經(jīng)網(wǎng)絡的刀具磨損狀態(tài)識別研究.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)檢測成為了工況監(jiān)測中一個極為關(guān)鍵的技術(shù)環(huán)節(jié)。研究表明，刀具狀態(tài)監(jiān)測能夠?qū)⒂扇撕图夹g(shù)因素引起的故障停機時間減少75％，將有效加工時間由無監(jiān)測系統(tǒng)時的10％提高到65％，將機床利用率提高到50％以上。 本論文以聲發(fā)射信號為切入點，通過搭建刀具磨損狀態(tài)實驗系統(tǒng)和動手操作，獲得了大量的研究數(shù)據(jù)。根據(jù)聲發(fā)射信號具有隨機性的特點

2、，本論文提出小波包分解提取信號特征的方法，小波分析方法是分析非平穩(wěn)隨機信號非常有力的工具，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)絡是目前模式識別的主要方法。本論文利用神經(jīng)網(wǎng)絡的非線性映射功能，建立神經(jīng)網(wǎng)絡，實現(xiàn)刀具磨損狀態(tài)和聲發(fā)射信號特征向量之間的映射關(guān)系，同時，還討論了網(wǎng)絡隱層數(shù)、隱層神經(jīng)元數(shù)的選取和網(wǎng)絡訓練等問題。本論文通過建立BP神經(jīng)網(wǎng)絡，實現(xiàn)了刀具磨損狀態(tài)的識別，克服了其他識別方法過分依賴