B樣條模糊神經(jīng)網(wǎng)絡(luò)在刀具故障診斷中的應(yīng)用.pdf

1、隨著制造業(yè)自動化程度的不斷提高，機械故障診斷技術(shù)的重要性越來越明顯。加工刀具是機械加工過程中最重要的加工要素之一，在加工過程中刀具的磨損必然會影響加工質(zhì)量，加工成本及生產(chǎn)效率。在早期的機械加工過程中，全靠人來觀察刀具，更換刀具。但在現(xiàn)代化、連續(xù)自動化生產(chǎn)系統(tǒng)中，刀具的破損不僅會導致機床的功能失效，還會構(gòu)成整個系統(tǒng)的故障，因此，預(yù)測刀具的磨損和破損顯得十分重要。 本文建立了銑刀磨損狀態(tài)監(jiān)測的實驗系統(tǒng)，通過實驗使用振動傳感器采集了刀

2、具在各種磨損情況下的大量數(shù)據(jù)，在對這些數(shù)據(jù)進行分析時，本文采用傳統(tǒng)的快速傅立葉分析方法，通過分析其幅-頻特性提取有效特征。在故障診斷過程中采用了BP神經(jīng)網(wǎng)絡(luò)進行識別，得到了良好的診斷結(jié)果。但同時也看出了BP神經(jīng)網(wǎng)絡(luò)的缺點，網(wǎng)絡(luò)在訓練時表現(xiàn)出“黑箱”性質(zhì)，即網(wǎng)絡(luò)的輸入/輸出關(guān)系不易讓人理解，而且BP算法的收斂速度慢。針對以上的缺點，本論文將神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)結(jié)合起來進行研究，其中隸屬函數(shù)采用B樣條函數(shù)。B樣條函數(shù)具有正定性、緊密性和歸一性

3、，使得訓練過程中網(wǎng)絡(luò)的權(quán)值在局部范圍內(nèi)調(diào)整，且系統(tǒng)的輸出簡單可靠。在對刀具磨損狀態(tài)進行監(jiān)測過程中可以看出，B樣條模糊神經(jīng)網(wǎng)絡(luò)內(nèi)部的連接結(jié)構(gòu)透明，可以很方便的根據(jù)實際需要調(diào)節(jié)網(wǎng)絡(luò)結(jié)構(gòu)，進行網(wǎng)絡(luò)的優(yōu)化來得到更加理想的診斷結(jié)果，同時證明了B樣條模糊神經(jīng)網(wǎng)絡(luò)的訓練速度優(yōu)于BP網(wǎng)絡(luò)。 通過本文研究，證明利用B樣條模糊神經(jīng)網(wǎng)絡(luò)模型對銑刀磨損狀態(tài)的診斷完全可行。由于網(wǎng)絡(luò)結(jié)構(gòu)的拓展性，對其它刀具狀態(tài)的診斷也是可行的，研究證明該網(wǎng)絡(luò)能有效地提高加