CAJ | 학술논문

根据刀具磨损状态不同时其不同频带的能量不同,将小波包分解方法和基于神经网络的模糊系统融合器相结合,用于车刀状态诊断.采用小波包将信号分解为不同频带的信号,通过求取不同频带的均方根值提取各特征量,然后将特征向量分别输入BP、SVM、ELM、PNN 4种神经网络分类器,将不同分类器的分类结果应用模糊网络进行优化综合.实验结果表明:多分类融合分类识别效果比单个分类器效果要好,提高了对刀具状态的识别精度.
근거도구마손상태불동시기불동빈대적능량불동,장소파포분해방법화기우신경망락적모호계통융합기상결합,용우차도상태진단.채용소파포장신호분해위불동빈대적신호,통과구취불동빈대적균방근치제취각특정량,연후장특정향량분별수입BP、SVM、ELM、PNN 4충신경망락분류기,장불동분류기적분류결과응용모호망락진행우화종합.실험결과표명:다분류융합분류식별효과비단개분류기효과요호,제고료대도구상태적식별정도.