基于计算智能算法的铣刀状态监测

被引:1
作者
郑金兴
张铭钧
孟庆鑫
机构
[1] 哈尔滨工程大学机电学院
关键词
刀具磨损; 数据融合; 小波包分解; 小波神经网络; 遗传神经网络; 遗传小波神经网络;
D O I
暂无
中图分类号
TP274 [数据处理、数据处理系统];
学科分类号
0804 ; 080401 ; 080402 ; 081002 ; 0835 ;
摘要
本文提出了基于智能融合技术进行铣刀磨损量监测和预测方法。利用多传感器对切削力和振动信号进行监测,通过频率变换提取切削力特征量,采用小波包分解技术提取振动信号特征量。通过信号特征值的组合,分别探讨了几种计算智能数据融合技术-小波神经网络、遗传神经网络、遗传小波神经网络对刀具磨损量的预测效果。实验分析表明,本文提出的几种计算智能数据融合技术均能够有效地完成刀具磨损量预测。
引用
收藏
页码:142 / 146
页数:5
相关论文
共 7 条
[1]   基于小波分析的声发射刀具状态判析 [J].
陈晓智 ;
李蓓智 ;
杨建国 .
传感器与微系统, 2006, (06) :19-21+24
[2]   基于遗传优化的BP神经网络 [J].
曹晓明 ;
杨洁明 .
机械管理开发, 2004, (02) :66-67
[3]   CIMS环境下刀具状态监测研究回顾与展望 [J].
胡秋 .
机床与液压, 2003, (06) :17-18+224
[4]   基于人工神经网络的刀具状态监测系统 [J].
陈超 ;
徐建林 ;
黄建龙 .
机械工程学报, 2002, (08) :135-138
[5]   一种基于遗传算法的小波神经网 [J].
贾同军 ;
姬光荣 ;
时鹏 ;
纪芳 ;
张丽 .
系统仿真学报, 2001, (S1) :126-127+155
[6]   基于混合智能的刀具状态在线识别 [J].
路勇 ;
姚英学 ;
董申 .
高技术通讯, 2001, (01) :81-84+13
[7]   基于神经网络多传感器融合的刀具摩损定量监测的研究 [J].
梁建成,李圣怡,温熙森,杨叔子 .
机械科学与技术, 1995, (06) :125-130+150