硕士论文——基于人工神经网络的刀具状态识别系统设计

《硕士论文——基于人工神经网络的刀具状态识别系统设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：NANCHANGUNIVERSITY学士学位论文THESISOFBACHELOR（20XX—20XX年）题目基于人工神经网络的刀具状态识别系统设计学院：信息工程学院系电气与自动化工程系专业班级：测控技术与仪器学生姓名：学号：指导教师：职称：起讫日期：摘要基于人工神经网络的刀具状态识别系统设计摘要在现代化工业生产中，对金属工件的加工方法有很多，其中一种较为广泛应用的加工方法就是插铣法。它是一种在竖直方向上对金属进行大量铣削的最快捷方法，基本加工过程如下：首先，铣刀具沿着主轴方向做匀速进给运动；然后，利用刀具最底部的切削刃进行切削加

2、工，刀具会按照预定加工设置不停重复的进行插铣从而达到预定深度。但是，刀具的刀刃处在加工过程中会因为各种因素而产生磨损，刀具一旦发生了磨损，就影响金属工件的加工，甚至会危害到操作人员的人身安全。因此，为了能使生产出来的工件达到生产要求和提高生产效率，也为了操作人员能有一个相对安全的操作环境，我们需要对金属生产加工中的刀具状态有一个实时跟踪和监测，这样我们就可以通过检测到的刀具状态从而来对其做出适当反应和调节，以此来避免刀具磨损带来的不良影响。本文主要对插铣加工时刀具的状态进行研究，经过综合分析各种刀具磨损监测方法，确定采用振动法来监测刀

3、具磨损状态。主要设计工作如下：本文首先选定好采集振动信号的加速度传感器是由B&K公司出产的4369型加速度传感器以及用2635型电荷放大器对其进行放大；接着将它们与其他相关元器件组合搭建起一个插铣加工试验平台，再用这个平台开始采集刀具加工时的振动信号。然后用时域、频域和小波变换方法对采集到的振动信号进行分析处理，并从中提取得到了9个可以表示刀具磨损程度的特征值，这里刀具磨损程度被设置成了三个磨损等级：正常刀具、初步磨损和严重磨损。最后基于BP神经网络构建了一个只有输入层和输出层以及一层隐含层的网络结构；这个网络结构的输入层有9个神经元

4、，对应9个特征值，输出层有3个，对应刀具磨损的3个等级；隐含层则是由Kolmogorov定理来确定含有19个神经元；建立好的网络结构需要用之前采集处理之后的信号进行多次的训练和测试才能提高它的识别速度以及稳定性。构建的神经网络最后输出结果准确度满足设计要求，可以达到百分之90以上，损失值在0.2左右，属于可接受范围内。关键词：插铣法；刀具磨损；振动信号；磨损等级；BP神经网络IAbstractToolStateRecognitionSystemDesignBasedonArtificialNeuralNetworkAbstractIn

5、themodernindustrialproduction,therearemanymethodstoprocessthemetalparts,oneofthemorewidelyusedprocessingmethodisthemillingmethod.Itisaverticaldirectioninthemetalforalotofmillingthemostefficientway,thebasicprocessisasfollows:First,themillingtoolinthedirectionofthemainaxi

6、stodoconstantfeedmovement;andthenusethebottomofthecuttingedgeofthecuttingtoolforcutting,thetoolwillbesetinaccordancewiththescheduledprocessingofrepeatedmillingtoachieveapredetermineddepth.However,thebladeofthetoolintheprocessingprocesswillbeduetovariousfactorsandwear,th

7、etooloncetheoccurrenceofwearandtear,itwillaffecttheprocessingofmetalparts,andevenharmtheoperator'spersonalsafety.Therefore,inordertoenabletheproductionoftheworkpiecetomeettheproductionrequirementsandimproveproductionefficiency,butalsofortheoperatortohavearelativelysafeo

8、peratingenvironment,weneedtometalprocessingandprocessingofthetoolstatehasareal-timetrackingandmonitoring,sowec