本文關(guān)鍵詞：基于人工智能的刀具切削狀態(tài)的監(jiān)控研究

  更多相關(guān)文章： 刀具監(jiān)控 小波 BP網(wǎng) RBF網(wǎng) 小波神經(jīng)網(wǎng)絡(luò)

【摘要】： 本文對國內(nèi)外刀具監(jiān)控技術(shù)進(jìn)行了研究,著重研究了人工神經(jīng)網(wǎng)絡(luò)在刀具監(jiān)控技術(shù)中的應(yīng)用。神經(jīng)網(wǎng)絡(luò)因其極強(qiáng)的非線性映射能力,特別適合于復(fù)雜模式識別,所以成為刀具狀態(tài)識別廣泛而強(qiáng)有力的工具。本文結(jié)合檢測系統(tǒng)的三大部分,即信號檢測、特征提取、模式識別對刀具狀態(tài)檢測進(jìn)行了具體的研究。 本文的主要研究工作如下: ·首先分析了刀具切削狀態(tài)監(jiān)控技術(shù)的發(fā)展及國內(nèi)外研究的現(xiàn)狀,確定了本課題研究的意義。 ·通過對刀具磨損監(jiān)測方法的研究,確定了間接監(jiān)測信號方法的實(shí)施,并對刀具加工過程中的各種傳感器進(jìn)行研究,對各種檢測信號進(jìn)行比較,最后選擇了電機(jī)電流信號,為成功研究刀具的狀態(tài)奠定了堅(jiān)實(shí)的基礎(chǔ)。 ·對所選信號進(jìn)行分析并提取信號特征,分別在時域,頻域及時頻域中對信號進(jìn)行分析,提出用小波理論分析電機(jī)電流信號,有效的提取了刀具的信號特征,為刀具狀態(tài)的診斷提供可靠依據(jù)。 ·結(jié)合了人工智能神經(jīng)網(wǎng)絡(luò)對BP網(wǎng)、RBF網(wǎng)和小波神經(jīng)網(wǎng)絡(luò)進(jìn)行研究,并在Matlab中進(jìn)行仿真,比較了各種網(wǎng)絡(luò)在刀具狀態(tài)模式識別決策中的應(yīng)用。 最后結(jié)合本課題的結(jié)論,提出了改進(jìn)意見和方案。
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2008
【分類號】：TG502.35

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳小培,費(fèi)勤云;一種提高BP算法學(xué)習(xí)速度的有效途徑[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年03期

2 李鵬陽,楊明順,袁啟龍,鄭建明,李言;基于切削力信號的鉆頭磨損狀態(tài)實(shí)時監(jiān)測[J];工具技術(shù);2005年08期

3 劉志剛,王曉茹,錢清泉;小波網(wǎng)絡(luò)的研究進(jìn)展與應(yīng)用[J];電力系統(tǒng)自動化;2003年06期

4 葉東毅;基于模型逼近度和接受概率的一個變步長快速BP學(xué)習(xí)算法[J];計(jì)算機(jī)學(xué)報(bào);1996年10期

5 宋宜斌,王培進(jìn);多層前饋神經(jīng)網(wǎng)絡(luò)改進(jìn)算法及其應(yīng)用[J];計(jì)算機(jī)工程;2003年14期

6 余峰浩;刀具磨損、破損的聲發(fā)射監(jiān)控法的研究[J];機(jī)電工程技術(shù);2005年09期

7 薛年喜,賈永樂;用自調(diào)整S函數(shù)提高神經(jīng)網(wǎng)絡(luò)BP算法[J];計(jì)算機(jī)測量與控制;2003年02期

8 陳統(tǒng)堅(jiān)，王衛(wèi)平，周澤華;銑削過程的約束型智能控制研究[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1994年04期

9 韓育平,王永梅;切削力監(jiān)測刀具磨損的一種方法[J];煤礦機(jī)械;2004年01期

10 萬軍，趙凡，伍星浩，蔡復(fù)之;系統(tǒng)辨識的刀具磨損特征量提取方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年08期

，

本文編號：1256060