基于人工蜂群-bp神经网络的刀具磨损监测

《基于人工蜂群-bp神经网络的刀具磨损监测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于人工蜂群-BP神经网络的刀具磨损监测王吴光无锡商业职业技术学院机电工程系摘要：为了提高刀具磨损状态监测准确度，提出基于人工蜂群-BP神经网络算法的刀具磨损状态监测方法。使用力传感器和振动传感器设计了磨损状态监测平台；使用匹配追踪算法对信号进行了去噪;提取了信号时域、频域、时频域的特征参数,使用核主成分分析法对特征参数进行了降维，确定了反应刀具磨损状态的15个特征参数;提出了人工蜂群-BP神经网络算法的刀具磨损状态识别方法，使用人工蜂群算法优化BP神经网络算法参数;经实验验证，传统BP神经网络

2、识别准确率为78.75%,优化BP神经网络算法识别准确率为100%o关键词：刀具;磨损状态监测;匹配追踪算法;核主成分分析法;人工蜂群-BP神经网络算法；作者简介：王吴光，男，1981年生，江苏无锡人，汉族，无锡商业职业技术学院实验师，硕士，研究方向为机械设计、模具设计。收稿日期：2017-07-26基金：国家重点基础研究发展计划(2013CB035800)资助CUTTINGTOOLWEARCONDITIONMONITORINGBASEDONARTIFICIALBEECOLONY-BPNEUTR

3、ALNETWORKALGORITHMWANGWuGuangSchoolofMechanicalandElectricalEngineering,WuxiVocationalInstituteofCommerce;Abstract：Toimprovecuttingtoolwearconditionmonitoringaccuracy,wearconditionmonitoringmethodbasedonartificialbeecolony-BPneutralnetworkisproposed.

4、Forcesensorandvibrationsensorareusedtodesignmonitoringplatform.Matchingpursuitalgorithmisusedtodenoiseforthesignal.Characteristicparametersarcextractcdfromtimedomain，frequencydomain,andtime-frequencydomain.Thesecharacteristicparametersarereduceddimen

5、sionallybykernelprincipalcomponentanalysis,andfifteenparametersareensuredatlast.Cuttingtoolwearconditionrecognitionmethodbasedonartificialbeecolony-BPneutralnetworkalgorithmisprosented，andartificialbeecolonyalgorithmisusedtooptimizeneutralnetworkpara

6、meters.Theexperimentalresultprovesthattherecognitionaccuracyis78.75%byBPneutralnetworkand100%byoptimizedBPneutralnetworkalgorithmrespectively.Keyword：Cuttingtool;WcEirconditionmonitoring;Matchingpursuitalgorithm;Kernelprincipalcomponentanalysis;Artif

7、icialbcccolony-BPncutralnetworkn1gotithin;Received：2017-07-26引言机械制造是国家发展进步的基础，能够体现出一个国家的科技发展水平。数控机床是机械制造行业的基础工具in,数控机床的研制水平直接影响产品的生产精度和质量，进而影响相关行业的发展水平。数控刀具作为数控机床最重要的加工工具，直接影响产品的生产精度、机床生产效率与安全性及1。因此本文提出了刀具磨损状态监测方法，能够实时监控刀具磨损状态，对提高产品质量、生产效率和安全性具有重要意义。

8、目前国内外刀具磨损状态监测方法可以分为直接检测法和间接检测法。直接检测法包括放射线法、光学检测法⑶、电阻检测法四等，间接检测法包括声发射监测法臣1、切削力监测法回、振动监测法in、多传感器融合监测法等。多传感器融合监测方法可以使各传感器优势互补、增加监测系统的容错能力，是当前国内外刀具磨损监测的研究热点。鉴于切削力传感器和振动监测传感器在频谱上的互补性，本文将切削力传感器和振动传感器信号进行融合对刀具磨损状态进行监测。本文为了提高刀具磨损状态识别准确度，将磨损状态识别系统分为信号去噪、特征参数提