黑龙江科技大学学报
黑龍江科技大學學報
흑룡강과기대학학보
Journal of Heilongjiang Institute of Science and Technology
2014年
4期
413-417
,共5页
铣削加工%刀具状态监测%经验模式分解%BP神经网络
鐉削加工%刀具狀態鑑測%經驗模式分解%BP神經網絡
선삭가공%도구상태감측%경험모식분해%BP신경망락
milling operation%tool condition monitoring%empirical mode decomposition%BP neural network
为提高刀具检测识别率,采用经验模式分解法分解不同状态刀具的切削声音信号,计算各信号分量的能量百分比,形成特征向量.利用三次样条插值方法对特征向量进行插值,插值后的特征向量保留了原始信号的所有特征成分,应用BP神经网络识别刀具的状态.实验结果表明:经验模式分解方法和BP神经网络相结合可以有效识别铣刀状态,平均识别率达86％.
為提高刀具檢測識彆率,採用經驗模式分解法分解不同狀態刀具的切削聲音信號,計算各信號分量的能量百分比,形成特徵嚮量.利用三次樣條插值方法對特徵嚮量進行插值,插值後的特徵嚮量保留瞭原始信號的所有特徵成分,應用BP神經網絡識彆刀具的狀態.實驗結果錶明:經驗模式分解方法和BP神經網絡相結閤可以有效識彆鐉刀狀態,平均識彆率達86％.
위제고도구검측식별솔,채용경험모식분해법분해불동상태도구적절삭성음신호,계산각신호분량적능량백분비,형성특정향량.이용삼차양조삽치방법대특정향량진행삽치,삽치후적특정향량보류료원시신호적소유특정성분,응용BP신경망락식별도구적상태.실험결과표명:경험모식분해방법화BP신경망락상결합가이유효식별선도상태,평균식별솔체86％.
