在數(shù)控加工過程中,不可避免地存在進(jìn)給速度波動(dòng),速度波動(dòng)會(huì)對(duì)加工質(zhì)量產(chǎn)生較大的影響,分析研究速度波動(dòng)的特點(diǎn)對(duì)于提高加工質(zhì)量有著重要的實(shí)際意義。提出一種基于小波變換和BP神經(jīng)網(wǎng)絡(luò)的數(shù)控加工進(jìn)給速度波動(dòng)識(shí)別方法,旨在準(zhǔn)確定位數(shù)控加工進(jìn)給速度信號(hào)存在的波動(dòng)區(qū)域,為后續(xù)的速度優(yōu)化工作奠定基礎(chǔ)。結(jié)合小波系數(shù)自身特點(diǎn)以及小波基函數(shù)與原始信號(hào)的相關(guān)關(guān)系,提出三種小波基函數(shù)的選擇標(biāo)準(zhǔn),通過設(shè)計(jì)綜合指標(biāo)融合各自優(yōu)點(diǎn)同時(shí)平衡相互矛盾。引入Pearson系數(shù)衡量小波重構(gòu)信號(hào)與原始信號(hào)的強(qiáng)、弱相關(guān)關(guān)系,并作為小波分解層數(shù)的選擇依據(jù)。出于減小運(yùn)算量的目的,提出基于各頻帶能譜系數(shù)和香農(nóng)熵的特征提取頻帶的選擇標(biāo)準(zhǔn)以及基于小波系數(shù)幅值和位置下標(biāo)的波動(dòng)區(qū)域劃分方法。確定將波動(dòng)區(qū)域的小波系數(shù)能量以及區(qū)域長度作為表征速度波動(dòng)的特征參數(shù)。建立適用于數(shù)控加工速度波動(dòng)識(shí)別的BP神經(jīng)網(wǎng)絡(luò),并基于識(shí)別的準(zhǔn)確率調(diào)整網(wǎng)絡(luò)參數(shù)、優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)。在葉輪加工速度信號(hào)的分析實(shí)驗(yàn)中,提出特征參數(shù)的歸一化處理方法以及波動(dòng)區(qū)域邊界的處理方法,以改善識(shí)別效果。介紹一種針對(duì)性強(qiáng)的速度優(yōu)化方法,完成對(duì)波動(dòng)區(qū)域的速度優(yōu)化,并給出優(yōu)化前后速度曲線和實(shí)際加工效果的對(duì)... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

“持續(xù)振蕩”波動(dòng)綜上所述，需要提出一種通過對(duì)數(shù)控加工進(jìn)給速度進(jìn)行數(shù)據(jù)分析，能夠自動(dòng)識(shí)別

圖 1-2 小波變換時(shí)-頻窗變化關(guān)系A(chǔ)A1D1HGA2D2HGA3D3HG圖 1-3 Mallat 算法示意圖三十年的探索研究，小波分析已經(jīng)在應(yīng)用數(shù)學(xué)和工程科學(xué)等領(lǐng)域的地位，其數(shù)學(xué)體系已經(jīng)建立并且日趨完善，理論基礎(chǔ)更加扎實(shí)可越廣泛。盡管小波分析憑借其高速的發(fā)展，在短時(shí)間內(nèi)取得了許多的科研成果，但是仍然存在許多問題有待進(jìn)一步解決[14]。在數(shù)學(xué)，函數(shù)空間的刻畫，高維小波的構(gòu)造等問題仍需進(jìn)一步的深入；在，如何構(gòu)造和選擇最優(yōu)小波基以及框架的系統(tǒng)方法等問題一直沒；另外，如何將小波分析與其他理論（如神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)等）

式 2-1 給出的子小波，對(duì)于給定的能量有限信WT）可表示為：1/2( , ) ( ) ( )fRt ba b a f t dta 波變換系數(shù)； f (t )為一個(gè)信號(hào)或平方可積函數(shù)， ( )x ba 的共軛函數(shù)。小波分析的基本原理，即根據(jù)原始信號(hào)的頻率分號(hào)分解到不同頻帶上進(jìn)行分析；同時(shí)通過改變平。因而在時(shí)域和頻域中均具有局部化能力，能夠局部特征分析[33]。

【參考文獻(xiàn)】：
期刊論文
[1]一種心音小波神經(jīng)網(wǎng)絡(luò)識(shí)別系統(tǒng)[J]. 成謝鋒,傅女婷,陳胤,張學(xué)軍,黃麗亞.  振動(dòng)與沖擊. 2017(03)
[2]基于小波變換和壓縮感知的語音信號(hào)壓縮研究[J]. 高悅,臧明相,郭馥英.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[3]基于故障波形時(shí)頻特征配網(wǎng)故障識(shí)別方法研究[J]. 秦雪,劉亞東,孫鵬,王鵬,江秀臣.  儀器儀表學(xué)報(bào). 2017(01)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的管道泄漏聲信號(hào)識(shí)別方法研究[J]. 焦敬品,李勇強(qiáng),吳斌,何存富.  儀器儀表學(xué)報(bào). 2016(11)
[5]葉輪制造工藝方案研究[J]. 李偉,林楠,田佳瑩.  內(nèi)燃機(jī)與配件. 2016(10)
[6]基于離散小波分解的火工沖擊數(shù)據(jù)有效性分析與校正方法[J]. 王錫雄,秦朝燁,丁繼鋒,褚福磊.  振動(dòng)與沖擊. 2016(14)
[7]自由曲面數(shù)控加工的實(shí)時(shí)自適應(yīng)進(jìn)給速度規(guī)劃算法[J]. 董靖川,王太勇,丁彥玉,李勃,劉喆.  制造業(yè)自動(dòng)化. 2013(11)
[8]一種基于小波變換和人工神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)報(bào)方法[J]. 常黎,楊清舟,黃開斌.  太陽能學(xué)報(bào). 2013(04)
[9]一種自適應(yīng)小波消噪方法[J]. 劉文藝,湯寶平,蔣永華.  振動(dòng).測試與診斷. 2011(01)
[10]利用非線性流形學(xué)習(xí)的軸承早期故障特征提取方法[J]. 栗茂林,王孫安,梁霖.  西安交通大學(xué)學(xué)報(bào). 2010(05)

博士論文
[1]基于小波分析的測量信號(hào)處理技術(shù)研究[D]. 李翔.哈爾濱工業(yè)大學(xué) 2009

碩士論文
[1]基于速度波動(dòng)最小化的NURBS曲線前瞻與插補(bǔ)算法研究[D]. 呂志翔.上海交通大學(xué) 2014
[2]基于小波分析與神經(jīng)網(wǎng)絡(luò)的軸承故障診斷研究[D]. 張維新.天津大學(xué) 2008



本文編號(hào)：2927448