上海交通大学学报
上海交通大學學報
상해교통대학학보
JOURNAL OF SHANGHAI JIAOTONG UNIVERSITY
2002年
8期
1086-1090
,共5页
王海丽%翁德玮%胡兆燕%胡德金
王海麗%翁德瑋%鬍兆燕%鬍德金
왕해려%옹덕위%호조연%호덕금
刀具磨损%模糊神经网络%功率%刀具状态监控
刀具磨損%模糊神經網絡%功率%刀具狀態鑑控
도구마손%모호신경망락%공솔%도구상태감공
为了实现刀具磨损状态的自动识别,采用机床功率法进行了刀具自然磨损和不同切削参数(切削速度、进给量和切削深度)对功率信号影响的实验.在此基础上,建立了功率信号的时序AR模型.在提取作为刀具磨损特征量的AR模型参数时,考虑了切削用量对模型参数的影响,提出了特征量选取的准则,使所提取的特征量更加实用化.通过具有自学习和良好函数逼近能力的神经网络获得了特征量对刀具状态的隶属函数,并利用模糊神经网Fuzzy ART实现了刀具磨损状态的自动识别,识别正确率为95%,说明所提出的方法是有效可行的.
為瞭實現刀具磨損狀態的自動識彆,採用機床功率法進行瞭刀具自然磨損和不同切削參數(切削速度、進給量和切削深度)對功率信號影響的實驗.在此基礎上,建立瞭功率信號的時序AR模型.在提取作為刀具磨損特徵量的AR模型參數時,攷慮瞭切削用量對模型參數的影響,提齣瞭特徵量選取的準則,使所提取的特徵量更加實用化.通過具有自學習和良好函數逼近能力的神經網絡穫得瞭特徵量對刀具狀態的隸屬函數,併利用模糊神經網Fuzzy ART實現瞭刀具磨損狀態的自動識彆,識彆正確率為95%,說明所提齣的方法是有效可行的.
위료실현도구마손상태적자동식별,채용궤상공솔법진행료도구자연마손화불동절삭삼수(절삭속도、진급량화절삭심도)대공솔신호영향적실험.재차기출상,건립료공솔신호적시서AR모형.재제취작위도구마손특정량적AR모형삼수시,고필료절삭용량대모형삼수적영향,제출료특정량선취적준칙,사소제취적특정량경가실용화.통과구유자학습화량호함수핍근능력적신경망락획득료특정량대도구상태적대속함수,병이용모호신경망Fuzzy ART실현료도구마손상태적자동식별,식별정학솔위95%,설명소제출적방법시유효가행적.
