基于人工神經(jīng)網(wǎng)絡(luò)對刀具磨損狀態(tài)監(jiān)測技術(shù)研究.pdf

1、機(jī)械加工中刀具的磨損狀態(tài)不僅直接影響工件的加工精度和表面質(zhì)量，還影響到工件的加工成本和生產(chǎn)效率等等。如何實(shí)現(xiàn)刀具磨損狀態(tài)的實(shí)時(shí)監(jiān)測已成為機(jī)械加工中的關(guān)鍵技術(shù)之一，因此對刀具磨損狀態(tài)監(jiān)測技術(shù)研究具有重要的理論意義及實(shí)用價(jià)值。
　　聲發(fā)射與刀具切削狀態(tài)相關(guān)程度高，非常適合作為刀具狀態(tài)監(jiān)測系統(tǒng)的有效監(jiān)測信號之一。刀具不同磨損狀態(tài)對應(yīng)的聲發(fā)射信號具有各自不同的特點(diǎn)，對聲發(fā)射信號進(jìn)行分析處理能夠提取到有效地反映刀具不同狀態(tài)的主要特征。本文通

2、過聲發(fā)射信號監(jiān)測系統(tǒng)，采集和分析了不同切削條件下刀具的聲發(fā)射信號。分析結(jié)果表明：聲發(fā)射信號難以從單純的時(shí)域或者頻域進(jìn)行數(shù)據(jù)處理提取到特征。采用傅里葉分析和小波包變換相結(jié)合，提取信號幅值的均方差、功率的最大值及小波包分解后各頻段的能量值，一起作為反映刀具磨損狀態(tài)的主要特征。同時(shí)切削參數(shù)也在一定程度上影響著刀具狀態(tài)的變化，把切削三要素(切削速度、切削深度、進(jìn)給量)作為輔助特征。
　　本文將主要特征和輔助特征構(gòu)成的特征向量通過主元分析進(jìn)

3、行處理，作為神經(jīng)網(wǎng)絡(luò)的輸入向量。把刀具狀態(tài)的特征向量進(jìn)行主元分析，數(shù)據(jù)處理結(jié)果表明：主元分析不僅實(shí)現(xiàn)了對特征向量的降維，還消除了特征向量之間的相關(guān)性。主元分析后得到的主元即作為神經(jīng)網(wǎng)絡(luò)的輸入樣本。同時(shí)，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)、容錯(cuò)性以及非線性映射能力，建立網(wǎng)絡(luò)模型用于實(shí)現(xiàn)刀具磨損狀態(tài)的監(jiān)測。本文分別采用了Levenberg-Marquart的改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)、動(dòng)量因子調(diào)整算法的小波神經(jīng)網(wǎng)絡(luò)建立了刀具磨損狀態(tài)的監(jiān)測系統(tǒng)。