本文關(guān)鍵詞：基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)在刀具磨損狀態(tài)監(jiān)測(cè)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】： 隨著制造業(yè)自動(dòng)化程度的不斷提高,機(jī)械故障診斷技術(shù)的重要性越來(lái)越明顯。加工刀具是機(jī)械加工過(guò)程中最重要的加工要素之一,在加工過(guò)程中刀具的磨損必然會(huì)影響加工質(zhì)量,加工成本及生產(chǎn)效率。在早期的機(jī)械加工過(guò)程中,全靠人來(lái)觀察刀具,更換刀具。但在現(xiàn)代化、連續(xù)自動(dòng)化生產(chǎn)系統(tǒng)中,刀具的破損不僅會(huì)導(dǎo)致機(jī)床的功能失效,還會(huì)構(gòu)成整個(gè)系統(tǒng)的故障,因此,預(yù)測(cè)刀具的磨損和破損顯得十分重要。由于加工條件的多樣性、切削參數(shù)的多變性以及刀具磨損等因素使得刀具的狀態(tài)監(jiān)測(cè)成為整個(gè)生產(chǎn)過(guò)程監(jiān)測(cè)的重要環(huán)節(jié)。 刀具的切削力和振動(dòng)信號(hào)是研究刀具磨損狀態(tài)的很好的手段。切削力信號(hào)直接來(lái)源于切削加工點(diǎn),與刀具磨損相關(guān)程度高,振動(dòng)信號(hào)容易獲得。本文建立了車刀磨損狀態(tài)監(jiān)測(cè)的實(shí)驗(yàn)系統(tǒng),通過(guò)實(shí)驗(yàn)使用力傳感器和振動(dòng)傳感器采集了刀具在各種磨損情況下的大量數(shù)據(jù),振動(dòng)信號(hào)主要對(duì)其功率譜進(jìn)行分析,尤其注意其高頻部分信號(hào)的變化；力信號(hào)則主要從Z方向入手,因?yàn)槠浞较蚺c工件旋轉(zhuǎn)垂直,信號(hào)最為明顯。通過(guò)對(duì)力信號(hào)和振動(dòng)信號(hào)的分析分別抽取了時(shí)域和頻域特征值,同時(shí)進(jìn)行歸一化處理,為后面的智能診斷作好準(zhǔn)備。 在智能診斷部分,首先采用了BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別,發(fā)現(xiàn)有個(gè)別樣本不能正確識(shí)別,而且收斂速度較慢。再將遺傳算法引入BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于刀具磨損狀態(tài)監(jiān)測(cè)模型的訓(xùn)練過(guò)程中,對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值改變了傳統(tǒng)的隨機(jī)選取方法,而采用遺傳算法進(jìn)行優(yōu)化。實(shí)踐表明這種方法是有效的,它克服了BP網(wǎng)絡(luò)的缺點(diǎn),對(duì)刀具磨損狀態(tài)的識(shí)別精度較高,網(wǎng)絡(luò)訓(xùn)練速度較快,并且可以正確識(shí)別偏離訓(xùn)練樣本的征兆,大大提高了診斷的正確率和速度。 由于受到實(shí)際條件的限制,本論文所設(shè)計(jì)的刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)還尚未在實(shí)際的應(yīng)用中實(shí)現(xiàn)在線實(shí)時(shí)監(jiān)測(cè)。另外,神經(jīng)網(wǎng)絡(luò)故障診斷模型的診斷能力完全依賴于知識(shí)庫(kù)現(xiàn)有的知識(shí),由于收集到的故障實(shí)例和經(jīng)驗(yàn)知識(shí)是有限的,所以,當(dāng)一個(gè)新的異類征兆出現(xiàn)時(shí),有可能得不到最佳的匹配,出現(xiàn)漏診和誤診,這有待進(jìn)一步的研究。
【關(guān)鍵詞】：刀具磨損 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 模式識(shí)別
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：TG71
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-20
• 1.1 本課題研究的目的和意義10-11
• 1.2 刀具磨損11-13
• 1.3 刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)的國(guó)內(nèi)外發(fā)展現(xiàn)狀13
• 1.4 常用的刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)診斷方法13-19
• 1.4.1 間接法常用到的檢測(cè)信號(hào)14-16
• 1.4.2 常用的智能識(shí)別方法16-19
• 1.5 本論文主要內(nèi)容19-20
• 第2章 刀具磨損狀態(tài)監(jiān)測(cè)實(shí)驗(yàn)平臺(tái)的建立20-25
• 2.1 刀具磨損監(jiān)測(cè)實(shí)驗(yàn)平臺(tái)20-21
• 2.2 硬件配置21-24
• 2.2.1 傳感器的選擇及安裝21-22
• 2.2.2 其他硬件22-24
• 2.3 應(yīng)用軟件MATLAB介紹24-25
• 第3章 信號(hào)分析與處理25-52
• 3.1 時(shí)域分析25-31
• 3.2 頻域分析31-47
• 3.2.1 功率譜分析31-41
• 3.2.2 傅里葉頻譜分析41-47
• 3.3 特征值歸一化處理47-52
• 第4章 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化52-68
• 4.1 遺傳算法概述52-53
• 4.2 標(biāo)準(zhǔn)遺傳算法53-57
• 4.2.1 標(biāo)準(zhǔn)遺傳算法的基本流程53-54
• 4.2.2 標(biāo)準(zhǔn)遺傳算法的基本要素54-55
• 4.2.3 遺傳算法的改進(jìn)研究55-57
• 4.3 遺傳算法在故障診斷中的應(yīng)用57-59
• 4.3.1 利用遺傳算法提取、優(yōu)化特征參數(shù)57
• 4.3.2 遺傳算法與模糊集理論的結(jié)合應(yīng)用57-58
• 4.3.3 遺傳算法與小波理論的結(jié)合應(yīng)用58
• 4.3.4 遺傳算法與神經(jīng)網(wǎng)絡(luò)的結(jié)合應(yīng)用58-59
• 4.4 BP神經(jīng)網(wǎng)絡(luò)59-61
• 4.4.1 BP網(wǎng)絡(luò)結(jié)構(gòu)59-60
• 4.4.2 BP算法60-61
• 4.4.3 BP網(wǎng)絡(luò)的設(shè)計(jì)要求61
• 4.5 遺傳算法與BP神經(jīng)網(wǎng)絡(luò)的結(jié)合61-68
• 4.5.1 結(jié)合的必要性和可行性61-62
• 4.5.2 結(jié)合方法62-68
• 第5章 GA-BP刀具磨損狀態(tài)監(jiān)測(cè)68-80
• 5.1 BP神經(jīng)網(wǎng)絡(luò)建立與刀具磨損狀態(tài)識(shí)別68-74
• 5.2 結(jié)合遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的刀具磨損狀態(tài)監(jiān)測(cè)74-80
• 結(jié)論與展望80-81
• 致謝81-82
• 參考文獻(xiàn)82-86
• 攻讀碩士學(xué)位期間發(fā)表的論文及科研成果86-87

【引證文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 關(guān)山;聶鵬;;在線金屬切削刀具磨損狀態(tài)監(jiān)測(cè)研究的回顧與展望Ⅲ:模式識(shí)別方法[J];機(jī)床與液壓;2012年03期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 關(guān)山;基于聲發(fā)射信號(hào)多特征分析與融合的刀具磨損分類與預(yù)測(cè)技術(shù)[D];吉林大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 楊波;尾礦庫(kù)在線安全監(jiān)測(cè)及預(yù)警關(guān)鍵技術(shù)研究[D];中國(guó)地質(zhì)大學(xué);2012年

2 劉先鋒;基于指定元分析與PCA-BP神經(jīng)網(wǎng)絡(luò)的接地網(wǎng)故障診斷研究[D];湖南大學(xué);2012年

  本文關(guān)鍵詞：基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)在刀具磨損狀態(tài)監(jiān)測(cè)中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：292957