基于BP神经网络的智能化刀具状态在线监测方法研究

在机床加工中,刀具的检测技术起着关键的功能。通过在刀具损坏以前及时监测并更换,造成的经济损失会大大减少,从而生产的效率和准确性得以大大提高。传统的刀具磨损监测方法需要手动提取冗长的特征,无法实现智能化监测。为了克服这一固有的局限性,进一步提高刀具磨损在线监测的准确度,本文使用了BP神经网络的刀具磨损在线监测方法,该种检测方法的主要好处在于减少了人工特征提取带来的复杂性和局限性。采用同类研究所用的材料集开展研究,证明了该技术在刀具磨损的检测上的有效性与可行性,在多种考核要求下的准确性比另外一些技术有了很大提升。

基于BP模糊神经网络的交通信号灯控制器设计

针对当前定时交通信号灯控制的落后现状,提出一种基于模糊神经网络的交通信号灯控制系统.通过模糊化处理,根据改进后BP算法进行离线训练,该系统能随时根据车辆情况智能控制信号灯的时间.实验表明该控制器与单纯用模糊控制比较,控制精度高、响应速度快、智能化程度高和鲁棒性好.