基于模糊神经网络的刀具磨损识别

为了实现刀具磨损状态的自动识别 ,采用机床功率法进行了刀具自然磨损和不同切削参数 (切削速度、进给量和切削深度 )对功率信号影响的实验 .在此基础上 ,建立了功率信号的时序AR模型 .在提取作为刀具磨损特征量的 AR模型参数时 ,考虑了切削用量对模型参数的影响 ,提出了特征量选取的准则 ,使所提取的特征量更加实用化 .通过具有自学习和良好函数逼近能力的神经网络获得了特征量对刀具状态的隶属函数 ,并利用模糊神经网 Fuzzy ART实现了刀具磨损状态的自动识别 ,识别正确率为 95 % 。

用时序建模法研究机器磨损过程

旨在寻求描述能对某一类机械磨损状况敏感准确的特征量,并用动态数据系统建模法(DDS 法)对其进行时序建模。分析和预报机器在当前及未来时刻的磨损状况,建立 AIC 异常磨损判据,为超前控制决策提供依据。