基于遗传算法的BP神经网络在刀具磨损状态监测中的应用

发布时间：2017-04-08 13:18

  本文关键词：基于遗传算法的BP神经网络在刀具磨损状态监测中的应用，由笔耕文化传播整理发布。

【摘要】： 随着制造业自动化程度的不断提高,机械故障诊断技术的重要性越来越明显。加工刀具是机械加工过程中最重要的加工要素之一,在加工过程中刀具的磨损必然会影响加工质量,加工成本及生产效率。在早期的机械加工过程中,全靠人来观察刀具,更换刀具。但在现代化、连续自动化生产系统中,刀具的破损不仅会导致机床的功能失效,还会构成整个系统的故障,因此,预测刀具的磨损和破损显得十分重要。由于加工条件的多样性、切削参数的多变性以及刀具磨损等因素使得刀具的状态监测成为整个生产过程监测的重要环节。 刀具的切削力和振动信号是研究刀具磨损状态的很好的手段。切削力信号直接来源于切削加工点,与刀具磨损相关程度高,振动信号容易获得。本文建立了车刀磨损状态监测的实验系统,通过实验使用力传感器和振动传感器采集了刀具在各种磨损情况下的大量数据,振动信号主要对其功率谱进行分析,尤其注意其高频部分信号的变化；力信号则主要从Z方向入手,因为其方向与工件旋转垂直,信号最为明显。通过对力信号和振动信号的分析分别抽取了时域和频域特征值,同时进行归一化处理,为后面的智能诊断作好准备。 在智能诊断部分,首先采用了BP神经网络进行模式识别,发现有个别样本不能正确识别,而且收敛速度较慢。再将遗传算法引入BP神经网络应用于刀具磨损状态监测模型的训练过程中,对BP神经网络的权值改变了传统的随机选取方法,而采用遗传算法进行优化。实践表明这种方法是有效的,它克服了BP网络的缺点,对刀具磨损状态的识别精度较高,网络训练速度较快,并且可以正确识别偏离训练样本的征兆,大大提高了诊断的正确率和速度。 由于受到实际条件的限制,本论文所设计的刀具磨损状态监测系统还尚未在实际的应用中实现在线实时监测。另外,神经网络故障诊断模型的诊断能力完全依赖于知识库现有的知识,由于收集到的故障实例和经验知识是有限的,所以,当一个新的异类征兆出现时,有可能得不到最佳的匹配,出现漏诊和误诊,这有待进一步的研究。
【关键词】：刀具磨损 遗传算法 BP神经网络 模式识别
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TG71
【目录】：

• 摘要6-7
• Abstract7-10
• 第1章 绪论10-20
• 1.1 本课题研究的目的和意义10-11
• 1.2 刀具磨损11-13
• 1.3 刀具磨损状态监测技术的国内外发展现状13
• 1.4 常用的刀具磨损状态监测技术诊断方法13-19
• 1.4.1 间接法常用到的检测信号14-16
• 1.4.2 常用的智能识别方法16-19
• 1.5 本论文主要内容19-20
• 第2章 刀具磨损状态监测实验平台的建立20-25
• 2.1 刀具磨损监测实验平台20-21
• 2.2 硬件配置21-24
• 2.2.1 传感器的选择及安装21-22
• 2.2.2 其他硬件22-24
• 2.3 应用软件MATLAB介绍24-25
• 第3章 信号分析与处理25-52
• 3.1 时域分析25-31
• 3.2 频域分析31-47
• 3.2.1 功率谱分析31-41
• 3.2.2 傅里叶频谱分析41-47
• 3.3 特征值归一化处理47-52
• 第4章 基于遗传算法的BP神经网络优化52-68
• 4.1 遗传算法概述52-53
• 4.2 标准遗传算法53-57
• 4.2.1 标准遗传算法的基本流程53-54
• 4.2.2 标准遗传算法的基本要素54-55
• 4.2.3 遗传算法的改进研究55-57
• 4.3 遗传算法在故障诊断中的应用57-59
• 4.3.1 利用遗传算法提取、优化特征参数57
• 4.3.2 遗传算法与模糊集理论的结合应用57-58
• 4.3.3 遗传算法与小波理论的结合应用58
• 4.3.4 遗传算法与神经网络的结合应用58-59
• 4.4 BP神经网络59-61
• 4.4.1 BP网络结构59-60
• 4.4.2 BP算法60-61
• 4.4.3 BP网络的设计要求61
• 4.5 遗传算法与BP神经网络的结合61-68
• 4.5.1 结合的必要性和可行性61-62
• 4.5.2 结合方法62-68
• 第5章 GA-BP刀具磨损状态监测68-80
• 5.1 BP神经网络建立与刀具磨损状态识别68-74
• 5.2 结合遗传算法和BP神经网络的刀具磨损状态监测74-80
• 结论与展望80-81
• 致谢81-82
• 参考文献82-86
• 攻读硕士学位期间发表的论文及科研成果86-87

【引证文献】

中国期刊全文数据库 前1条

1 关山;聂鹏;;在线金属切削刀具磨损状态监测研究的回顾与展望Ⅲ:模式识别方法[J];机床与液压;2012年03期

中国博士学位论文全文数据库 前1条

1 关山;基于声发射信号多特征分析与融合的刀具磨损分类与预测技术[D];吉林大学;2011年

中国硕士学位论文全文数据库 前2条

1 杨波;尾矿库在线安全监测及预警关键技术研究[D];中国地质大学;2012年

2 刘先锋;基于指定元分析与PCA-BP神经网络的接地网故障诊断研究[D];湖南大学;2012年

  本文关键词：基于遗传算法的BP神经网络在刀具磨损状态监测中的应用，，由笔耕文化传播整理发布。

本文编号：292957