基于人工智能的刀具切削状态的监控研究

发布时间：2017-12-05 20:19

本文关键词：基于人工智能的刀具切削状态的监控研究

【摘要】： 本文对国内外刀具监控技术进行了研究,着重研究了人工神经网络在刀具监控技术中的应用。神经网络因其极强的非线性映射能力,特别适合于复杂模式识别,所以成为刀具状态识别广泛而强有力的工具。本文结合检测系统的三大部分,即信号检测、特征提取、模式识别对刀具状态检测进行了具体的研究。本文的主要研究工作如下: ·首先分析了刀具切削状态监控技术的发展及国内外研究的现状,确定了本课题研究的意义。 ·通过对刀具磨损监测方法的研究,确定了间接监测信号方法的实施,并对刀具加工过程中的各种传感器进行研究,对各种检测信号进行比较,最后选择了电机电流信号,为成功研究刀具的状态奠定了坚实的基础。 ·对所选信号进行分析并提取信号特征,分别在时域,频域及时频域中对信号进行分析,提出用小波理论分析电机电流信号,有效的提取了刀具的信号特征,为刀具状态的诊断提供可靠依据。 ·结合了人工智能神经网络对BP网、RBF网和小波神经网络进行研究,并在Matlab中进行仿真,比较了各种网络在刀具状态模式识别决策中的应用。最后结合本课题的结论,提出了改进意见和方案。
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TG502.35

【参考文献】

中国期刊全文数据库前10条

1 吴小培,费勤云;一种提高BP算法学习速度的有效途径[J];安徽大学学报(自然科学版);1998年03期

2 李鹏阳,杨明顺,袁启龙,郑建明,李言;基于切削力信号的钻头磨损状态实时监测[J];工具技术;2005年08期

3 刘志刚,王晓茹,钱清泉;小波网络的研究进展与应用[J];电力系统自动化;2003年06期

4 叶东毅;基于模型逼近度和接受概率的一个变步长快速BP学习算法[J];计算机学报;1996年10期

5 宋宜斌,王培进;多层前馈神经网络改进算法及其应用[J];计算机工程;2003年14期

6 余峰浩;刀具磨损、破损的声发射监控法的研究[J];机电工程技术;2005年09期

7 薛年喜,贾永乐;用自调整S函数提高神经网络BP算法[J];计算机测量与控制;2003年02期

8 陈统坚，王卫平，周泽华;铣削过程的约束型智能控制研究[J];华南理工大学学报(自然科学版);1994年04期

9 韩育平,王永梅;切削力监测刀具磨损的一种方法[J];煤矿机械;2004年01期

10 万军，赵凡，伍星浩，蔡复之;系统辨识的刀具磨损特征量提取方法[J];清华大学学报(自然科学版);1996年08期