TY -非盟的Du Maohua AU -王,培新盟——王,Junhua AU - Cheng郑AU -王,Shensong PY - 2019 DA - 2019/06/10 TI -智能车刀监测神经网络自适应学习SP - 8431784六世- 2019 AB -刀具状态监测是实现智能制造的关键技术。但它仍在研究阶段,缺乏不同加工条件下的适应性。为了克服这个限制,这项工作系统地调查一个聪明、实时和可见的工具状态监测通过采用集成的理论和技术,即。,(a)通过特殊设计的实验技术,综合考虑切削参数和刀具磨损值作为变量,(b)通过bisensor融合同时测量低和高频信号,(c)通过multitheory融合小波分解和Relief-F执行双重特征提取和特征降维算法使用神经网络来实现更精确的状态识别,和(d)通过创新MATLAB-nested labVIEW编程技术。这个工具监控系统神经网络自适应学习能力与实验样本信号的变化所收集的同时选择振动与声发射(AE)传感器 所有的因素将实验。基于虚拟仪器与MATLAB混合编程,信号波形的观察和信号提取的显著特点通过时频域分析,然后计算各频带的能量比例获得使用4水平振动信号的小波包分解以及8水平的AE信号的小波多分辨率分解;随后Relief-F算法进一步reextract特性最相关的工具状态作为输入神经网络模式识别。通过BP神经网络自适应学习,工具状态识别模型最终建立。结果表明,BP网络模型的正确识别率92.59%样本训练后,可更准确地和智能监控刀具磨损状态。SN - 1076 - 2787你——https://doi.org/10.1155/2019/8431784——10.1155 / 2019/8431784 JF - PB - Hindawi KW - ER -复杂性