L—M优化算法BP网络在刀具磨损量预测中的应用.pdf

《L—M优化算法BP网络在刀具磨损量预测中的应用.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、2012年8月机床与液压Aug．2012第40卷第l5期MACHINET0OL&HYDRAULICSVo1．40No．15DOI：10．3969／j．issn．1001—3881．2012．15．006L—M优化算法BP网络在刀具磨损量预测中的应用关山，聂鹏(1．东北电力大学机械工程学院，吉林吉林132012；2．沈阳航空航天大学机电工程学院，辽宁沈阳110136)摘要：在线刀具磨损量估算及其未来发展趋势预测对于指导现实生产有着十分重要的意义。提出基于L-M优化算法BP神经网络的刀具磨损量在线预测方法。对声发射信号进

2、行小波包分解，得到32个不同频带内的信号，用于构造初始特征向量矩阵；对初始特征向量矩阵进行奇异值分解，计算奇异谱，将奇异谱做为刀具磨损的特征向量，利用神经网络在线预测刀具磨损量。试验结果表明：预测结果能准确地跟踪实际的刀具磨损曲线，并且L—M优化算法比其他改进算法迭代次数少，收敛速度快，精确度高。关键词：刀具磨损量预测；L—M优化算法；BP神经网络；小波包分解；奇异值分解中图分类号：TH165．3文献标识码：A文章编号：1001—3881(2012)15—022—5ApplicationofImprovedL-MOp

3、timizationAlgorithmBPNeuralNetworkinToolWearPredictionGUANShah．NIEPeng(1．SchoolofMechanicalEngineering，NortheastDianliUniversity，JilinJilin132012，China；2．MechanicalandElectricalEngineeringInstitute，ShengyangAerospaceUniversity，ShengyangLiaoning110136，China)Abst

4、ract：Onlinetoolweal"estimationandfuturetrendspredictionhavegreatsignificanceinguidingthepracticalproduction．OnlinetoolwearpredictionmethodbasedonimprovedL-MoptimizationalalgorithmBPneuralnetworkwasproposed．Bywaveletpack—etdecomposition，thecollectedacousticemiss

5、ionsignalsweredecomposedinto32signalswithdifferentfrequencybands，whichwereusedtoconstructtheinitialfeaturevectormatrix．Thenusinginitialfeaturevectormatrix，thesingularspectrumwascalculatedbysin—gularvaluedecomposition．Featurevectorconstitutedbythesingularspectru

6、mwasusedtorealizetoolflankwearVBvalueforecastingusingBPneuralnetworkwithL—Malgorithm．Theexperimentalresultsshowthatpredictionresultcanaccuratelytracktheactualtoolwearcurve．TheBPneuralnetworkbasedontheimprovedL—Moptimizationalalgorithmhasmeritsoffeweriterations，

7、fastconver—genceandhighaccuracy．Keywords：Toolwearprediction；L—Moptimizationalalgorithm；BPneuralnetwork；Waveletpacketdecomposition；Singularvaluedecomposition在金属切削过程中会产生非常丰富的声发射信法求得矩阵的奇异谱，构造刀具磨损特征向量，送号⋯，这些信号直接来源于切削区，频率高，避开入基于L—M优化算法的BP神经网络，实现在线刀了加工过程中振动和环境噪声污染严重的

8、低频区，具磨损量的跟踪预测。受切削条件和刀具参数变化的影响小，抗环境干扰1实验系统及试验方法能力强，灵敏度较高，因此被越来越多地应用于刀实验系统如图1所示，传感器为北京鹏祥公司的具磨损监测。人工神经网络以其自适应、自组PXR30谐振式声发射传感器，谐振频率为300kHz，织、自学习、非线性映射、容错纠错能力和高速并频带带宽为80—400kHz。