机床与液压
機床與液壓
궤상여액압
MACHINE TOOL & HYDRAULICS
2015年
5期
49-52
,共4页
刀具状态监测%粗糙集理论%BP神经网络%小波包分析
刀具狀態鑑測%粗糙集理論%BP神經網絡%小波包分析
도구상태감측%조조집이론%BP신경망락%소파포분석
Tool condition monitoring%Rough set theory%BP Neural Network%Wavelet packet analysis
在刀具磨损状态监测中,能够提取到的反映不同刀具磨损状态的特征量较大,基于神经网络的状态识别无法去掉冗余特征,会存在训练时间长和准确率降低等问题.针对这些问题,提出基于粗糙集-BP神经网络的刀具磨损状态监测方法,利用粗糙集对特征进行属性约简,去掉冗余信息,从而优化特征,并且减少神经网络的输入端数据,可以缩短神经网络的训练时间和提高识别的准确率.通过对实测刀具数据进行分析,证明了该方法的有效性.
在刀具磨損狀態鑑測中,能夠提取到的反映不同刀具磨損狀態的特徵量較大,基于神經網絡的狀態識彆無法去掉冗餘特徵,會存在訓練時間長和準確率降低等問題.針對這些問題,提齣基于粗糙集-BP神經網絡的刀具磨損狀態鑑測方法,利用粗糙集對特徵進行屬性約簡,去掉冗餘信息,從而優化特徵,併且減少神經網絡的輸入耑數據,可以縮短神經網絡的訓練時間和提高識彆的準確率.通過對實測刀具數據進行分析,證明瞭該方法的有效性.
재도구마손상태감측중,능구제취도적반영불동도구마손상태적특정량교대,기우신경망락적상태식별무법거도용여특정,회존재훈련시간장화준학솔강저등문제.침대저사문제,제출기우조조집-BP신경망락적도구마손상태감측방법,이용조조집대특정진행속성약간,거도용여신식,종이우화특정,병차감소신경망락적수입단수거,가이축단신경망락적훈련시간화제고식별적준학솔.통과대실측도구수거진행분석,증명료해방법적유효성.