广东技术师范学院机电学院;广东省高等学校科研型重点实验室;
在分析小波理论及BP神经网络的基础上,进行了刀具磨损试验研究。在时频域对刀具磨损状态的特征信号进行提取和分析,获得了反映刀具磨损状态的特征信号。将此刀具磨损特征量作为BP神经网络的输入样本对网络进行学习训练,完成对刀具磨损状态的有效识别。实验结果表明该方法是有效的。
| 348 | 20 | 12 |
| 下载次数 | 被引频次 | 阅读次数 |
[1]冯冀宁,刘彬,任玉艳.基于小波神经网络监测刀具状态的研究[J].自动化与仪表,2003,(3):8-10.
[2]Dauhechies I.The wavelel transform,lime-Iiequency localization and signal analysis[J].IEEE Transcations on Information Theory,1990,36(5):961-1005.
[3]李小俚,田淑艳,关新平.刀具状态智能监控技术[J].高技术通讯,1998,(1):58-62.
[4]谢秀娴,付攀,曹伟青.声发射和小波包分解技术在刀具磨损状态中的应用[J].中国测试技术,2006,(3):40-42.
[5]王计生,黄惟公,等.小波分析和神经网络技术在故障诊断中的应用[J].振动、测试与诊断,2004,34(3):43-44.
[6]迟军,单一峰.小波包改进算法在车削振动信号分析中的应用[J].机械工程师,2007,(11):54-56.
基本信息:
DOI：
中图分类号:TG71
引用信息:
[1]杨永.数控机床刀具磨损的振动监测法[J].机械,2009,36(07):58-60.
基金信息:
广东省自然科学基金项目(8151063301000004)