基于Elman神经网络的刀具磨损状态识别技术
本文选题:刀具磨损 切入点:声发射信号 出处:《现代制造工程》2015年12期
【摘要】:由于刀具磨损声发射信号的能量分布与刀具磨损状态密切相关,可以利用谐波小波包方法提取刀具磨损声发射信号的特征能量,对各频段能量做归一化处理,与切削三要素组成特征向量输入到Elman神经网络,通过神经网络判别刀具磨损状态。实验结果表明,刀具磨损产生的声发射信号频率主要集中在10Hz~130k Hz之间,将谐波小波包和Elman神经网络结合的方法可以有效地识别刀具磨损状态。
[Abstract]:Because the energy distribution of tool wear acoustic emission signal is closely related to tool wear state, the characteristic energy of tool wear acoustic emission signal can be extracted by using harmonic wavelet packet method, and the energy of each frequency band can be normalized. The eigenvector composed of three elements of cutting is input to the Elman neural network and the tool wear state is judged by the neural network. The experimental results show that the frequency of acoustic emission signal produced by tool wear is mainly between 10Hz~130k Hz. The combination of harmonic wavelet packet and Elman neural network can effectively identify the tool wear state.
【作者单位】: 沈阳航空航天大学机电工程学院;
【基金】:辽宁省重点实验室项目(LS2010117)
【分类号】:TP183;TG506
【参考文献】
相关期刊论文 前2条
1 郑中玉;白雪;李宏光;;基于神经网络的几种控制图表模式的识别研究[J];贵州工业大学学报(自然科学版);2008年01期
2 张文斌;周晓军;林勇;李俊生;沈路;;基于谐波小波包方法的旋转机械故障信号提取[J];振动与冲击;2009年03期
【共引文献】
相关期刊论文 前10条
1 李宏光;况丹;;用于控制图模式识别的广义神经网络系统[J];东南大学学报(自然科学版);2009年S1期
2 于金涛;丁明理;孟凡刚;乔玉良;王祁;;基于谐波小波包和支持向量机的声发射源识别(英文)[J];Journal of Southeast University(English Edition);2011年03期
3 吴逍;纪国宜;;基于谐波小波包理论检测微弱信号的研究[J];电子测量技术;2010年06期
4 刘小峰;彭永金;李慧;;谐波小波解调法在齿轮箱故障诊断中的应用[J];重庆大学学报;2011年01期
5 任振峰;顾军;袁虎;;谐波小波包在接收机中的应用研究[J];国外电子测量技术;2011年04期
6 于金涛;丁明理;;复合材料声发射信号传播特性试验研究[J];电机与控制学报;2012年08期
7 黄业华;戴国华;;海洋平台往复压缩机振动特征研究[J];大连海事大学学报;2013年02期
8 王玉田;严冰;张淑清;董璇;;一种改进的广义谐波小波包分解算法及在信号特征提取中的应用[J];燕山大学学报;2013年04期
9 张淑清;马跃;李盼;师荣艳;姜万录;董璇;;基于改进的广义谐波小波包分解和混沌振子的小电流接地系统故障选线[J];电工技术学报;2015年03期
10 石明江;罗仁泽;付元华;;小波和能量特征提取的旋转机械故障诊断方法[J];电子测量与仪器学报;2015年08期
相关博士学位论文 前6条
1 程志强;基于智能方法的产品制造过程质量诊断[D];南京理工大学;2011年
2 蒋玉强;立井刚性罐道系统的非线性耦合特性及状态评估研究[D];中国矿业大学;2011年
3 王冬云;转子-轴承故障诊断方法研究[D];燕山大学;2012年
4 张文斌;汽轮发电机组状态趋势预测及故障诊断方法研究[D];浙江大学;2009年
5 钟先友;旋转机械故障诊断的时频分析方法及其应用研究[D];武汉科技大学;2014年
6 于金涛;直升机复合材料试件声发射信号处理算法研究[D];哈尔滨工业大学;2012年
相关硕士学位论文 前10条
1 范琳琳;声发射技术在无损检测中的应用研究[D];哈尔滨理工大学;2010年
2 李文斌;基于多小波分析的滚动轴承故障诊断方法研究[D];北京工业大学;2011年
3 吴逍;某大型旋转机械在线监测方法的研究[D];南京航空航天大学;2010年
4 杜威;旋转机械全息谱分析精度提高方法的研究[D];重庆大学;2011年
5 徐文;一类基于模糊神经网络的控制图模式识别系统[D];北京化工大学;2011年
6 秦红义;基于谐波小波包和神经网络的旋转机械故障诊断系统研究[D];燕山大学;2012年
7 邹景明;汽车车身检测数据的多元经验贝叶斯建模与质量监控方法[D];上海交通大学;2013年
8 胡志炜;印前设备辊筒的动力学技术分析[D];华东理工大学;2014年
9 张建锋;基于Alpha稳定分布的轴承故障信号非平稳性的研究[D];哈尔滨工业大学;2013年
10 付元华;旋转机械故障诊断及预测方法研究[D];西南石油大学;2014年
【二级参考文献】
相关期刊论文 前10条
1 昝涛;费仁元;王民;;基于神经网络的控制图异常模式识别研究[J];北京工业大学学报;2006年08期
2 李宏亮,黄润华,韩国明,傅汝楫;谐波小波的时频特性分析及其在故障诊断中的应用[J];机械强度;2000年02期
3 钱立军,蒋东翔,孙海军,战祥森;时频等高图在旋转机械振动故障信号检测中的应用[J];机械强度;2002年04期
4 李舜酩;谐波小波包方法及其对转子亚频轴心轨迹的提取[J];机械工程学报;2004年09期
5 陈平;罗晶;;基于神经网络的控制图模式识别和参数估计[J];机械与电子;2006年09期
6 吴晓苏;张中明;;焦炉集气管压力工业过程控制的研究[J];煤炭转化;2007年01期
7 吕琛,王桂增;基于时频域模型的噪声故障诊断[J];振动与冲击;2005年02期
8 纪跃波;小波包的频率顺序[J];振动与冲击;2005年03期
9 李方;李友荣;王志刚;;谐波小波时频图在齿轮故障诊断中的应用[J];振动与冲击;2007年03期
10 余忠华,吴昭同;控制图模式及其智能识别方法[J];浙江大学学报(工学版);2001年05期
相关博士学位论文 前2条
1 蒋斌;机电系统故障诊断的理论与应用研究[D];浙江大学;2002年
2 乐清洪;智能工序质量控制的理论与方法研究[D];西北工业大学;2002年
【相似文献】
相关期刊论文 前10条
1 李勇;胡双启;;灰色Elman神经网络在火灾事故预测中的应用研究[J];中国安全科学学报;2009年03期
2 胡双启;李勇;;基于灰色Elman神经网络的煤矿事故预测[J];中国安全生产科学技术;2009年04期
3 刘显德;杨婷婷;严胡勇;;基于Elman神经网络和遗传算法的油田指标预测#[J];计算机与现代化;2013年02期
4 朱莉;卢毅敏;罗建平;;基于灰色-Elman神经网络的区域滑坡易发性模型[J];自然灾害学报;2013年05期
5 张肖梅;;Elman神经网络在选煤厂配煤中的应用[J];实验室研究与探索;2011年09期
6 孟令启;孟梦;;Elman神经网络在中厚板轧机宽展预测中的应用[J];吉林大学学报(工学版);2008年01期
7 徐如松;孟令启;王海龙;;基于Elman神经网络的合金工具钢变形抗力预测[J];矿山机械;2008年10期
8 周云龙;何强勇;;基于混沌理论与Elman神经网络的气固流化床流型识别[J];化工自动化及仪表;2009年05期
9 陈亚天;杨友良;;Elman神经网络在加热炉预测控制中的应用[J];甘肃冶金;2006年01期
10 程忠庆;葛珂楠;阚泽宝;;基于Elman神经网络的除湿系统能耗预测[J];计算机工程与设计;2014年02期
相关会议论文 前9条
1 刘满强;周红莉;;一种基于Elman神经网络的机器人行为控制器[A];2006中国控制与决策学术年会论文集[C];2006年
2 韩柯;朱秀昌;冯荃;;基于二维DCT与Elman神经网络相结合的人脸识别研究[A];第十三届全国图象图形学学术会议论文集[C];2006年
3 张琦;邵立福;;基于Elman神经网络的液压泵故障诊断模型研究[A];机床与液压学术研讨会论文集[C];2004年
4 张琦;邵立福;;基于Elman神经网络的液压泵故障诊断模型研究[A];第三届全国流体传动及控制工程学术会议论文集(第二卷)[C];2004年
5 桂晓琳;许向阳;;基于Elman神经网络的网络流量预测[A];全国自动化新技术学术交流会会议论文集(一)[C];2005年
6 吕思颖;刘载文;王小艺;崔莉凤;;基于Elman神经网络的水华短期预测模型[A];第二十七届中国控制会议论文集[C];2008年
7 李晓峰;景会成;陈亚天;;基于Elman神经网络的加热炉温度优化预测控制[A];全国冶金自动化信息网2010年年会论文集[C];2010年
8 杨斌;肖慈s,
本文编号:1688396
本文链接:https://www.wllwen.com/kejilunwen/jinshugongy/1688396.html