基于Elman神经网络的刀具磨损状态识别技术.pdf

基于Elman神经网络的刀具磨损状态识别技术.pdf

ID:52206462

大小:747.56 KB

页数:5页

时间:2020-03-24

基于Elman神经网络的刀具磨损状态识别技术.pdf_第1页
基于Elman神经网络的刀具磨损状态识别技术.pdf_第2页
基于Elman神经网络的刀具磨损状态识别技术.pdf_第3页
基于Elman神经网络的刀具磨损状态识别技术.pdf_第4页
基于Elman神经网络的刀具磨损状态识别技术.pdf_第5页
资源描述:

《基于Elman神经网络的刀具磨损状态识别技术.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、制造技术/工艺装备现代制造工程(ModernManufacturingEn西neering)2015年第12期基于Elm肌神经网络的刀具磨损状态识别技术+聂鹏,崔凯奇,何超(沈阳航空航天大学机电工程学院,沈阳110136)摘要:由于刀具磨损声发射信号的能量分布与刀具磨损状态密切相关,可以利用谐波小波包方法提取刀具磨损声发射信号的特征能量,对各频段能量做归一化处理,与切削三要素组成特征向量输入到Elman神经网络,通过神经网络判别刀具磨损状态。实验结果表明,刀具磨损产生的声发射信号频率主要集中在10Hz~130kHz之间,将谐波小

2、波包和El-man神经网络结合的方法可以有效地识别刀具磨损状态。关键词:刀具磨损;声发射信号;谐波小波包;神经网络中图分类号:TP206.3文献标志码:A文章编号:1671—3133(2015)12—0078珈5Stateidenti6cationtecllllologyoftoolwearbasedonElmanneuralnetworkNiePeng,CuiKaiqi,HeChao(SchoolofMechanicalandElectronicEngineering,ShenyangAemspaceUniVersity,Sh

3、enyangl10136,China)Ab!妇t:Becauseoftoolwearacousticemissionsignalener目distdbutionwascloselyrelatedtotoolwearstate.Usetheh删on·icwaveletpackettoextracttheAEsi印alcharacteristicener盱ofthet001wear.Theno硼alizeddataofenergyspectlllmandthethreeelementsofcuttingwereseenasElman

4、neuralnetworkinputvector.Thmu曲neuralne附orkdiscriminationt001wearstate.Theexperimentresultexpresst}lattlleacousticemissionsignalsoftoolweararemailIlyconcentratedinthefbquency0f10Hz~130kHz.rI’}lemethodoftoolwearbasedonhamlonicwaveletpacketandElmanneuralnetworkcaJleffec

5、tivelyrecognizethetoolwearstate.Keywords:toolwear;acousticemissionsigllal;h栅onicwavelet;neuralnetwork0引言刀具作为金属切削加工过程中的基础工艺设备,其状态的变化直接影响着工件的加工质量和生产成本,所以对刀具磨损状态进行实时监测具有重要的意义。与刀具磨损状态密切相关的声发射信号灵敏度高、响应速度快,非常适合作为反映刀具状态的特征¨引。由于不同的刀具磨损状态对应不同频率特性的声发射信号∞o,因此可以利用谐波小波包分解声发射信号并提取

6、各频段能量,将各频段能量与切削三要素组成特征向量输入到Elman神经网络,实现对刀具磨损状态的识别。1谐波小波包分解1.1谐波小波的概念谐波小波是剑桥大学的DavidE.Newland于1993+辽宁省重点实验室项目(Is20lOll7)78年提出的,它具有严格的盒行谱特性和优良的滤波特性HJ。谐波小波的表达式为:∞(f)=[e搏”一e丑卅]/(汜叮r£)(1)式中:∞(f)为谐波小波函数;£为时间;i√一1。根据小波理论,用掣£一后(』,后∈z)(,为分解层数,I

7、}为平移尺度个数)代替式(1)中的£,并进行伸缩、平移变换,就

8、得到了谐波小波函数族(£J(2Jf一后):D讲盯(2“一^)一p也丌(2n—t)∞(掣‘一后)2■磊两j广(2)谐波小波可以将信号既无遗漏、又不交叠地分解到不同频段,将谐波小波分解应用于刀具磨损状态识别中,有利于更好地提取刀具磨损特征信号。1.2谐波小波包分解谐波小波分解在各层的频段长度是确定的,所以不能根据工程要求去任意地缩短所要分析的频段,这聂鹏,等:基于Elman神经网络的刀具磨损状态识别技术2015年第12期使得很多时候不能满足细化分解的要求,给其使用带来一定的局限性,因此根据二进小波包分解的原理,引入了谐波小波包分解”

9、J。与二进小波包分解相似,在分解的第J层,将整个分析频段平均地分成27段,分析频带带宽占为:曰=^/2J(3)式中航为最高分解频率。设频带的上、下限分别为巩和n,则:rm=5B{,⋯s=o,l,⋯,型一1(4)ln=(s+1)B7’’、7式中:s为频段值,即频段

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。