針對深孔加工過程中刀具狀態(tài)不易觀察、更換刀具的時機依賴經(jīng)驗等問題,提出了一種基于深度置信網(wǎng)絡的深孔加工刀具狀態(tài)監(jiān)測方法。通過三向壓電加速度傳感器和傳聲器采集加工過程的振動信號和噪聲信號,并進行數(shù)據(jù)預處理,利用處理后的數(shù)據(jù)訓練深度置信網(wǎng)絡對刀具狀態(tài)進行辨別。刀具狀態(tài)監(jiān)測的實例表明,利用預處理后的數(shù)據(jù)對深度置信網(wǎng)絡進行訓練,刀具狀態(tài)監(jiān)測在測試集上的平均準確度可以達到98.54%,證明了深孔加工刀具狀態(tài)監(jiān)測方法的有效性。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1 深度置信網(wǎng)絡結構

深度置信網(wǎng)絡模型結構如圖1所示,通過利用前一層的激活作為輸入,貪婪地將每一層(從低到高)訓練RBM。具體訓練過程如下所示:首先充分訓練一個RBM,其次固定第一個RBM的權重和偏移量,使用其隱層神經(jīng)元的狀態(tài),作為第二個RBM的輸入向量;接著充分訓練第二個RBM后,將第二個RBM堆疊....

圖3 刀具不同階段兩個振動傳感器Y方向上信號的時域波形

圖2刀具狀態(tài)試驗傳感器布置圖2.2數(shù)據(jù)預處理

圖4 數(shù)據(jù)預處理流程圖

加工過程中,壓電加速度傳感器和傳聲器分別采集振動信號和聲信號,通過數(shù)據(jù)預處理后輸入到刀具狀態(tài)監(jiān)測模型,數(shù)據(jù)預處理過程如圖4所示。2.2.1振動信號合成

圖5 數(shù)據(jù)不平衡處理

其中,S′為加噪后的刀具磨鈍信號,S為未加噪的磨鈍信號,k為加噪的強度參數(shù),n=1,2,…,N用于控制加噪的不同強度,σ為樣本的標準方差。不平衡處理前后數(shù)據(jù)個數(shù)見表1。2.2.3特征提取

本文編號：4018014