小波分析與神經(jīng)網(wǎng)絡(luò)在刀具故障診斷中的應(yīng)用.pdf

1、故障診斷技術(shù)是正在迅速發(fā)展的研究領(lǐng)域，是實(shí)際應(yīng)用需求與多科學(xué)理論發(fā)展兩個(gè)方面交替作用的結(jié)果。從實(shí)際應(yīng)用方面看，隨著現(xiàn)代化技術(shù)水平的不斷提高，各類工程系統(tǒng)的復(fù)雜性大大增加，系統(tǒng)的可靠性與安全性已成為保障經(jīng)濟(jì)效益和社會效益的一個(gè)關(guān)鍵因素，得到了廣泛的重視；從學(xué)科理論的發(fā)展方面而言，故障診斷具有很強(qiáng)的學(xué)科交叉性，現(xiàn)代控制理論、信號處理、模式識別、人工智能等學(xué)科領(lǐng)域近20年來的迅速發(fā)展，為解決復(fù)雜系統(tǒng)的故障診斷問題提供了有力的理論基礎(chǔ)。

2、 隨著生產(chǎn)自動化程度的提高，特別是柔性制造系統(tǒng)技術(shù)的出現(xiàn)，人們越來越重視對加工過程的在線監(jiān)測。加工過程中刀具的磨損將造成工件的精度及粗糙度變差，甚至造成工件的報(bào)廢，機(jī)床停機(jī)等故障。據(jù)統(tǒng)計(jì)生產(chǎn)工程中75％以上的設(shè)備故障是由于刀具失效引起，因此對刀具狀態(tài)進(jìn)行在線監(jiān)測顯得尤為重要。 本文根據(jù)小波分析良好的時(shí)頻局部化特性以及神經(jīng)網(wǎng)絡(luò)極強(qiáng)的非線性映射能力，以刀具狀態(tài)AE信號小波分解提取各頻段的均方根值作為模式識別的特征向量，然后分別采用B