基于小波神經(jīng)網(wǎng)絡(luò)的車刀狀態(tài)監(jiān)控技術(shù)研究.pdf

1、先進(jìn)制造技術(shù)是一個(gè)國(guó)家民族振興的最基礎(chǔ)的技術(shù)之一，先進(jìn)制造技術(shù)的最終目標(biāo)是低成本、高速度、高質(zhì)量地完成生產(chǎn)任務(wù)，其核心是自動(dòng)化加工技術(shù)。要保證自動(dòng)化加工順利地進(jìn)行，關(guān)鍵的技術(shù)之一就是對(duì)加工過(guò)程的監(jiān)控。為保障現(xiàn)代制造系統(tǒng)中高投資的自動(dòng)化加工機(jī)床安全和使用經(jīng)濟(jì)性，同時(shí)保證加工質(zhì)量，迫切要求實(shí)現(xiàn)切削刀具的在線實(shí)時(shí)監(jiān)測(cè)?！　”疚难芯苛死眯〔ǚ治鍪侄螌?shí)現(xiàn)刀具監(jiān)測(cè)過(guò)程中的復(fù)雜多源過(guò)程參量的有效分解及特征提取方法。在對(duì)小波分析特點(diǎn)和神經(jīng)網(wǎng)絡(luò)的多維

2、非線性映射能力和狀態(tài)識(shí)別能力進(jìn)行全面研究的基礎(chǔ)上，提出一種基于小波神經(jīng)網(wǎng)絡(luò)的刀具狀態(tài)監(jiān)測(cè)系統(tǒng)。該系統(tǒng)是小波分析和神經(jīng)網(wǎng)絡(luò)有效結(jié)合。用于刀具監(jiān)測(cè)的網(wǎng)絡(luò)模型分為前后兩層--前面的識(shí)別層用于刀具狀態(tài)特征的提取，后面的映射層用于實(shí)現(xiàn)刀具狀態(tài)識(shí)別，通過(guò)誤差中心學(xué)習(xí)方式，實(shí)現(xiàn)對(duì)加工狀態(tài)典型模式的辨識(shí)。因此可以實(shí)現(xiàn)從刀具多源過(guò)程參量到刀具磨損特征的非線性映射，進(jìn)而實(shí)現(xiàn)刀具的在線智能監(jiān)測(cè)?！　檫M(jìn)一步提高小波神經(jīng)網(wǎng)絡(luò)監(jiān)測(cè)系統(tǒng)的實(shí)用性，針對(duì)小波神經(jīng)網(wǎng)絡(luò)

3、在實(shí)現(xiàn)多維多輸出問(wèn)題時(shí)存在的“維數(shù)災(zāi)”問(wèn)題，引入能量密度的概念，依據(jù)時(shí)頻相位點(diǎn)的能量密度選擇小波基元，提出了小波網(wǎng)神經(jīng)絡(luò)的優(yōu)化算法，從而減少了網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜性，同時(shí)加快了網(wǎng)絡(luò)學(xué)習(xí)速度。通過(guò)對(duì)刀具磨損狀態(tài)的仿真實(shí)驗(yàn)，以及與已有算法的對(duì)比測(cè)試中，驗(yàn)證了本文提出的小波網(wǎng)絡(luò)算法以及優(yōu)化算法的有效性?！　≡谔岢龅谋O(jiān)測(cè)模型基礎(chǔ)上，探討了刀具監(jiān)測(cè)的具體應(yīng)用研究，即實(shí)現(xiàn)刀具磨損、破損監(jiān)測(cè)，同時(shí)可以實(shí)現(xiàn)刀具進(jìn)給補(bǔ)償以及加工策略的調(diào)整方案，為現(xiàn)有系統(tǒng)監(jiān)測(cè)