基于人工蜂群-BP神经网络的刀具磨损监测

发布时间：2019-03-16 13:46

【摘要】：为了提高刀具磨损状态监测准确度,提出基于人工蜂群-BP神经网络算法的刀具磨损状态监测方法。使用力传感器和振动传感器设计了磨损状态监测平台;使用匹配追踪算法对信号进行了去噪;提取了信号时域、频域、时频域的特征参数,使用核主成分分析法对特征参数进行了降维,确定了反应刀具磨损状态的15个特征参数;提出了人工蜂群-BP神经网络算法的刀具磨损状态识别方法,使用人工蜂群算法优化BP神经网络算法参数;经实验验证,传统BP神经网络识别准确率为78.75%,优化BP神经网络算法识别准确率为100%。
[Abstract]:In order to improve the accuracy of tool wear monitoring, a new tool wear monitoring method based on artificial bee colony-BP neural network algorithm was proposed. The wear monitoring platform is designed by using force sensor and vibration sensor, and the signal is de-noised by matching tracking algorithm. The characteristic parameters in time domain, frequency domain and time-frequency domain of the signal are extracted. The dimension of the characteristic parameters is reduced by using the kernel principal component analysis, and the 15 characteristic parameters of the wear state of the reactive tool are determined. A method of tool wear status recognition based on artificial honeybee colony-BP neural network algorithm is proposed. The parameters of BP neural network algorithm are optimized by using artificial bee colony algorithm. The experimental results show that the recognition accuracy of traditional BP neural network is 78.75%, and the recognition accuracy of optimized BP neural network algorithm is 100%.
【作者单位】： 无锡商业职业技术学院机电工程系;
【基金】：国家重点基础研究发展计划(2013CB035800)资助~~
【分类号】：TG71;TP18

【相似文献】

相关期刊论文 前10条

1 曾燕,张道富,周晓军;基于神经网络算法的轴承外径参数的测量[J];机床与液压;2003年03期

2 李晓刚,付冬梅,董超芳,金鹰;用神经网络算法分析环烷酸的腐蚀行为[J];腐蚀科学与防护技术;2001年01期

3 马晓君;齐英杰;胡万明;;基于BP神经网络算法的木门锁孔槽加工机床热误差建模方法[J];林业科学;2013年12期

4 金鹰,董超芳,付冬梅,李晓刚;用神经网络算法预测氢蚀孕育期[J];中国腐蚀与防护学报;2001年06期

5 宋丹;金文兵;田志勇;;基于BP神经网络的数控机床故障诊断系统研究[J];新技术新工艺;2006年02期

6 朱先勇;刘耀辉;张英波;宋雨来;于思荣;;基于BP神经网络的球墨铸铁组织和力学性能预测[J];湖南大学学报(自然科学版);2007年10期

7 蔡安江;姚艳;郭师虹;豆卫涛;;基于BP神经网络的数控加工铣削参数优化[J];模具工业;2010年09期

8 姚小飞;刘洁;葛东生;赵耀华;;基于BP神经网络不锈钢锻造再结晶的晶粒尺寸模型[J];山西冶金;2009年01期

9 张延华,刘相华,王国栋;基于模糊聚类的BP神经网络模型预报中厚板轧制力[J];材料与冶金学报;2004年03期

10 季颖;张秀玲;;BP神经网络在板形控制影响矩阵中的应用[J];信息技术;2008年11期

相关会议论文 前1条

1 余万华;翁玮;韩静涛;张永军;刘靖;;基于BP神经网络的板材热轧轧制压力和变形抗力预报模型[A];第四届中国金属学会青年学术年会论文集[C];2008年

相关硕士学位论文 前4条

1 魏汉军;BP神经网络算法及Ni-TiC复合镀层工艺—性能模型预测[D];西安科技大学;2015年

2 王雷;基于BP神经网络的钛合金加工切削力预测模型研究[D];天津理工大学;2016年

3 谈芬芳;基于BP神经网络的冷轧轧制压力预报[D];武汉科技大学;2005年

4 龙玉阳;基于BP神经网络铸铁性能的快速预测[D];武汉工程大学;2012年

，

本文编号：2441488