發(fā)布時間：2020-03-28 00:22

【摘要】： 故障診斷技術(shù)是正在迅速發(fā)展的研究領(lǐng)域,是實際應(yīng)用需求與多科學(xué)理論發(fā)展兩個方面交替作用的結(jié)果。從實際應(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)濟效益和社會效益的一個關(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)。 隨著生產(chǎn)自動化程度的提高,特別是柔性制造系統(tǒng)(FMS)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,甚至造成工件的報廢,機床停機等故障。據(jù)統(tǒng)計生產(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)小波分析良好的時頻局部化特性以及神經(jīng)網(wǎng)絡(luò)極強的非線性映射能力,在MATLAB平臺上以刀具狀態(tài)AE信號小波分解提取各頻段的均方根值(rms)作為模式識別的特征向量,然后分別采用BP網(wǎng)絡(luò)及其改進算法和RBF網(wǎng)絡(luò)進行模式識別。仿真試驗表明:無論速度還是精度,RBF網(wǎng)絡(luò)都要優(yōu)于BP網(wǎng)絡(luò),L-M算法優(yōu)于自適應(yīng)學(xué)習(xí)率梯度法,而自適應(yīng)學(xué)習(xí)率梯度法又優(yōu)于標準BP算法,并得到了較高刀具切削狀態(tài)預(yù)報率。
【圖文】：

西華大學(xué)碩十學(xué)位淪文從負無窮一直延續(xù)到正無窮，正弦波是平滑而且是可預(yù)測的，如圖2一2所示。Fig.2一 ZWaveletandSinewave圖2一2小波和正弦波傅里葉分析是將信號分解成不同頻率的正弦波，，而小波分析則將信號分解為基本小波函數(shù)不同位移和伸縮的小波。從小波和正弦波的形狀可以看出，變化劇烈的信號，用不規(guī)則的小波進行分析比用平滑的正弦波更好。2.1.3，」、波變換近幾年來迅速發(fā)展起來的小波變換是進行信號處理的有力工具，局部化和多尺度分析是其精華所在。由于良好的時域局部化特性，小波理論突破了傅里葉分析在時頻域內(nèi)分辨率差的缺陷，它能夠把任何測量信號映射到一個由小波伸縮而成的一組基函數(shù)上

k)隱含層12個節(jié)點時網(wǎng)絡(luò)的SEE9RelationaleurvebetweenthenumberofnodalPointsineoneealedlevelofBandSEEofnetwork圖4一BP網(wǎng)絡(luò)隱含層的節(jié)點數(shù)與網(wǎng)絡(luò)SEE之間的關(guān)系曲線
【學(xué)位授予單位】：西華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2008
【分類號】：TH165.3

【引證文獻】

相關(guān)博士學(xué)位論文 前2條

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

2 王向;復(fù)雜非線性系統(tǒng)智能故障診斷及容錯控制方法研究[D];燕山大學(xué);2012年

相關(guān)碩士學(xué)位論文 前2條

1 徐水竹;基于聲發(fā)射的磨削工況在線監(jiān)測方法研究[D];南京大學(xué);2011年

2 賀新穎;用于社區(qū)醫(yī)院的無線心電監(jiān)護系統(tǒng)研究與設(shè)計[D];吉林大學(xué);2012年

本文編號：2603622