基于人工蜂群優(yōu)化神經(jīng)網(wǎng)絡(luò)的刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)研究.pdf

1、機(jī)械制造業(yè)直接體現(xiàn)一個(gè)國(guó)家的科技水平和經(jīng)濟(jì)實(shí)力，同時(shí)也是其他眾多行業(yè)新技術(shù)、新產(chǎn)品的研發(fā)和生產(chǎn)平臺(tái)，在國(guó)民經(jīng)濟(jì)發(fā)展中有著重要的地位。數(shù)控刀具直接參與機(jī)械的制造，且其運(yùn)行狀態(tài)對(duì)加工精度以及加工連續(xù)性至關(guān)重要，使刀具運(yùn)行狀態(tài)監(jiān)測(cè)技術(shù)成為發(fā)展現(xiàn)代制造技術(shù)的關(guān)鍵。
　　本論文以先進(jìn)的多傳感器信息融合技術(shù)為基礎(chǔ)，搭建了以刀具振動(dòng)信號(hào)以及刀具切削力信號(hào)為監(jiān)測(cè)信號(hào)的刀具磨損狀態(tài)監(jiān)測(cè)平臺(tái)。通過連續(xù)切削以及重復(fù)試驗(yàn)，采集刀具從新刀到嚴(yán)重磨損整個(gè)過程

2、的振動(dòng)以及切屑力信號(hào)參數(shù)，并以此為基礎(chǔ)展開刀具狀態(tài)監(jiān)測(cè)技術(shù)的研究。
　　針對(duì)現(xiàn)場(chǎng)采集的數(shù)據(jù)因?yàn)楦蓴_會(huì)包含噪聲的問題，本文引入匹配追蹤算法，通過該方法對(duì)原始信號(hào)進(jìn)行自適應(yīng)的分解重構(gòu)，達(dá)到了濾波的目的，提高了信號(hào)的信噪比;結(jié)合時(shí)域、頻域以及基于小波包時(shí)頻域分析方法，提取了監(jiān)測(cè)信號(hào)的特征參數(shù);針對(duì)輸入數(shù)據(jù)樣本量大以及樣本維數(shù)較高的問題，通過核主成分分析(KPCA)方法，在損失狀態(tài)信息較少的情況下，將多個(gè)特征指標(biāo)轉(zhuǎn)化為幾個(gè)綜合的特征指標(biāo)，

3、用較少的特征參數(shù)來代表軸承狀態(tài)的絕大部分信息，實(shí)現(xiàn)了特征參數(shù)的降維。
　　針對(duì)BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)，網(wǎng)絡(luò)收斂速度慢，易陷入局部最小值，甚至導(dǎo)致網(wǎng)絡(luò)無法完成訓(xùn)練等問題，引入人工蜂群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的性能進(jìn)行優(yōu)化。該算法中引入的種群概念，以及算法中種群的進(jìn)化機(jī)制，大大提升了BP神經(jīng)網(wǎng)絡(luò)的性能。
　　實(shí)驗(yàn)數(shù)據(jù)表明，優(yōu)化后的網(wǎng)絡(luò)克服了原網(wǎng)絡(luò)易陷入局部最小值的缺陷，同時(shí)提高了網(wǎng)絡(luò)對(duì)刀具狀態(tài)監(jiān)測(cè)的精度，實(shí)現(xiàn)了刀具磨損狀態(tài)的分類識(shí)別。這