基于小波神经网络的切削刀具磨损识别

提出了一种基于小波神经网络的切削刀具状态监测方法,在采集切削加工功率信号的基础上,利用小波分解方法提取反映刀具磨损状态的信号特征量,利用小波神经网络的非线性模型和学习机制,实现刀具磨损状态的在线监测;针对多输入输出问题带来的网络规模大、收敛速度慢等问题,提出应用粒子群算法优化小波神经网络的方法,从而简化小波神经网络结构并加快收敛速度.仿真和应用实例证明,该方法比传统的基于BP的小波神经网络、GA优化的小波神经网络估计准确率高,消耗时间短.     

铣削刀具不同磨损期振动信号的分维特征

提出了应用铣削刀具磨损工作状态下的振动加速度信号的关联维数来描述刀具不同磨损状态下的特征,进而实现对状态的监测、识别。试验证明,刀具磨损在相同状态下,振动信号具有相近的关联维数,在不同状态下则有明显的关联维数。因此,关联维数不仅可以作为状态监测与识别的重要依据,而且可以作为其他特征提取方法的补充。     

PCBN刀具磨损形态与磨损规律的实验研究

对PCBN刀具切削灰铸铁和淬硬45号钢时的刀具磨损形态进行了观察，其磨损形态主要表现为前刀面磨损、后刀面磨损、边界沟槽磨损和破损。对PCBN刀具的磨损规律进行了研究分析，发现湿式切削PCBN刀具容易产生热裂纹，裂纹扩展导致刀具急剧磨损，甚至破损；PCBN刀具干式条件下切削铸铁，随切削速度提高，刀具磨损减少，刀具寿命提高，切削力随PCBN刀具磨损量的增加而增大。     

切削过程中刀具后刀面磨损预测的计算机模拟

根据由切削理论、摩擦理论建立起的刀具磨损特性这一理论模型，将以传热学为基础的、利用有限差分计算出的切削温度、应力等有关参数代入模型中，以硬质合金刀具切削碳钢为例，对二元定常切削状态一刀具后刀面的磨损量进行了计算机模拟预测。经分析，计算结果与实验数据吻合良好。这不但表明，在切削加工过程中对刀具后刀面磨损进行预测是可行的，同时也为进一步研究切削状态的适应性、实惠切削加工最佳化奠定了基础。     

刀具磨损过程的能力分析方法研究

将刀具磨损过程的总变异进行分解,共分为三部分：趋势项、残差自相关结构、未能解释的变异,以区分不同的变异来源,并计算出相应的能力指数.此方法有助于操作者更好地理解刀具磨损过程,确定降低过程变异的合理措施,同时也可使用该方法分析类似刀具磨损的自相关过程.     

数控加工中基于改进的SOM网络刀具磨损监测技术研究

介绍人工神经网络的基本概念及在刀具磨损监测中的应用,研究并比较其两种典型网络---BP网络和SOM网络的结构与算法,并对SOM进行改进。通过比较得出：改进的SOM网络在磨损估计方面具有学习速度快、精度高的优点,实际应用价值较大。     

棉秆粉碎刀具磨损状态监测系统设计与试验

针对棉秆粉碎还田过程中刀具磨损严重且缺少故障监测装置导致工作失效的问题,设计了一种搭载在棉秆粉碎还田机上的智能监测系统。系统以STM32单片机为主控制器,应用多种传感器融合技术,基于机器学习算法实现刀具磨损状态监测。为了解决棉秆粉碎刀具磨损非线性特征信号难以提取的问题,提出了一种融合改进蝴蝶优化算法(IBOA)和支持向量机(SVM)的刀具磨损状态监测方法(IBOA-SVM)。该监测方法以粉碎刀辊转速、左侧振动频率、右侧振动频率作为模型输入特征向量,将刀具磨损状态(正常状态、磨损状态、丢刀状态)作为输出。相较于未优化的SVM算法,通过IBOA算法优化SVM算法的参数,刀具磨损状态的识别准确率由95.61%提高至98.83%。为验证IBOA-SVM模型的有效性,在相同参数设置环境下进行多种模型的重复对比试验,试验结果表明：相较于SVM、PSO-SVM、WOA-SVM、BOA-SVM和CWBOA-SVM 5种模型,IBOA-SVM模型识别准确率平均值有所提升,单次试验的准确率均维持在较高的水平。将IBOA-SVM模型嵌入到监测系统,并进行田间验证试验,试验结果表明设计的刀具磨损状态监测系统在...     

数控机床刀具磨损在线监测与预警技术

刀具磨损是影响数控机床加工质量和效率的主要因素之一,为了实现数控机床刀具磨损的在线监测与预警,该文基于数字孪生技术,构建数控机床刀具磨损在线监测与预警技术体系,采用神经网络技术进行海量数据特征提取与降维,并选取三种模型评价指标(MAPE、RMSE、MAE)对该模型监测及预测精度进行评价。结果表明,该技术在刀具磨损监测和预警方面表现出较高的准确性和可靠性,能够及时发现刀具磨损并提前预警,从而避免因刀具磨损而引发的加工质量下降和生产事故。     

基于仿生微织构的电动修剪机刀具磨损性能研究

针对普通电动修剪机刀具易磨损、崩刃等情况,设计了一种蚯蚓仿生微织构刀具,以蚯蚓体表形貌为基础,利用激光成型技术加工刀具表面微织构,研究激光成型参数对成型沟槽几何尺寸的影响;通过摩擦磨损对比试验研究了仿生微织构刀具和普通刀具的摩擦因数和磨损情况,分析仿生刀具减磨机理;通过自制剪切试验平台对不同直径龙眼树枝进行刀具剪切试验,验证仿生刀具减磨特性。研究结果表明：优化后激光成型仿生刀具的工艺参数为：激光功率75W、激光扫描速度4.8mm/s;仿生刀具微织构实际尺寸为：沟宽138.3μm,沟深33.5μm;与普通刀具相比,载荷400g下沟槽间距1.6mm时微织构仿生刀具表现出最小摩擦因数02619和体积磨损量616.70mm3,具有明显减磨特性;随载荷增加磨损机制逐渐由黏着磨损、微切削磨损向磨粒磨损和氧化磨损的复杂磨损形式转变;磨损稳定时,沟槽间距1.6mm微织构仿生刀具所需剪切次数50~55次,比普通刀具剪切次数(45~50次)高5~10次,沟槽间距1.6mm微织构仿生刀具在剪切直径10、15、20mm的树枝磨损面积稳定次数分别为35~40次、45~50次、50~55次,树枝直径越大微织构刀具抗磨效果越明显。     

刀具磨损状态监测与车削加工仿真研究

为研究刀具磨损量与切削力之间的关系,在车削过程中,通过测力仪采集得到切削力数值,通过影像测量仪测量刀具的磨损量。通过实验,研究切削力与刀具磨损的相关性,得出刀具切削力变化与磨损变化是一致的。通过Deform 3D软件对车削加工过程进行仿真,然后将模拟结果与实验结果进行了比较,为实际生产参数的选择提供理论依据。     

收割机刀具磨损状态监测系统的设计——基于图像处理技术

首先介绍了图像处理技术的特点和优势,然后从图像预处理、特征值提取和磨损面积计算等方面分析了收割机刀具磨损检测原理,并从软硬件体系结构入手,实现了一套基于图像处理的收割机刀具磨损状态监测系统。试验结果表明:在336次实际监测中,系统成功识别诊断刀具状态312次,成功率高达92.86%,平均监测一次的时间为6.67s,准确性高,识别速度快。     

基于超球面支持向量机的刀具磨损状态识别

提出一种基于超球面支持向量机的刀具磨损状态识别方法。该方法提取切削力与振动信号中的多项特征,对各项特征分别进行刀具磨损量相关性分析,选择与刀具磨损变化量最相关的均值、均方根、小波系数能量以及小波系数近似熵组成特征向量。采用超球面支持向量机作为分类器,实现了刀具磨损状态的自动识别。实验证明,在小样本学习情况下,基于超球面支持向量机的刀具磨损状态识别方法具有良好的学习和泛化能力,获得较高的识别正确率。     

基于神经网络预测的无线传感器网络田间射频信号路径损耗

为解决应用无线传感器网络技术监测农田信息时无法快速预测射频信号路径损耗的问题,基于神经网络理论研究了田间路径损耗与其影响因素间的关系。试验中选取915和2 470 MHz 2个载波频率,在冬小麦的不同生长阶段测量射频信号在田间各影响因素作用下的路径损耗,建立和验证基于神经网络的射频信号田间路径损耗预测模型。所建立模型模拟值与实测值的相关系数为0.92,应用建立的神经网络预测田间射频信号路径损耗并与实测值对比,最大预测误差绝对值为4.186 dB,最大预测标准差为2.759 dB,预测准确度为94.2%。所建立的BP网络可以对田间射频信号路径损耗进行预测。     

基于神经网络信息融合的铣刀磨损状态监测

为了获得铣削加工过程中铣刀后刀面磨损的全面评价,用铣刀后刀面磨损带面积作为衡量刀具磨损量的一个评价指标。提取和精选了8个对铣刀后刀面磨损状态敏感的无量纲特征参数并经归一化处理后,作为基于神经网络信息融合的铣刀磨损状态监测系统的输入信号。采用3层BP神经网络模型,利用其多传感器信息融合功能在线监测了铣刀后刀面磨损带宽度和磨损带面积。监测系统的输出结果与实际测量结果基本吻合。     

应用时间序列谱监控刀具的磨损

在用削扁镗杆镗孔的条件下,根据切削力动态信号的自回归谱和自功率谱,研究了镗刀磨损对其刀尖运动轨迹的影响,验证了随着刀具磨损,其切削力的频率向高向低变化的规律,论证了用时序谱监控刀具的磨损的可能性。     

基于VMD-MRMR-LSTM的铣刀磨损预测

针对机械加工过程中刀具磨损状态的预测精度低问题,提出一种基于VMD-MRMR-LSTM的刀具磨损预测方法.首先,通过Kistler测力仪、振动传感器采集刀具铣削过程中的力、振动信号;其次,对信号进行变分模态分解和时域统计提取时域、频域特征,利用最大相关最小冗余法筛选出最优特征子集;最后,对特征子集中的每个特征序列搭建长...     

基于改进粒子群算法的 精准农业无线传感器定位研究

为了提高精准农业无线传感器定位的精度,提出改进粒子群算法。首先建立精准农业无线传感器定位过程;接着对粒子群算法的惯性权重进行非线性优化,使得算法前期变化缓慢,后期变化较快,利于算法跳出局部而求得全局最优解;然后对粒子群规模采取收缩扩张控制,其判别结合粒子的聚集度、多样性函数,算法前期的收缩扩张系数值在较大的位置,后期应减慢速度以加强算法的局部搜索能力;最后建立定位误差与粒子适应度函数关系。实验仿真显示本文算法收敛性能较好,相比其他算法能有效地抑制测距误差对定位的影响,提高节点的定位精度。     

基于改进PSO-WNN模型的管网余氯预测研究

针对供水管网余氯浓度随时间序列的变化特性,采用小波神经网络模型对其变化规律进行预测分析。模型借助粒子群优化算法全局快速寻优对小波神经网络特性参数进行优化,克服预测模型网络参数选取可能存在的盲目性,增强了预测模型的全局搜索能力。研究结果表明:采用粒子群优化的小波神经网络模型,在较小数据要求的工况下能进行连续多步预测,相比常规时间序列预测在相应时间尺度内具有较高的预测精度,收敛性和稳定性也得到较明显增强。     

硬质合金涂层刀具车削Ti6Al4V磨损实验研究

使用两种涂层硬质合金刀具在云南机床厂生产的CY6140普通卧式车床上对Ti6Al4V钛合金棒料进行干切削,当达到一定的切削长度时,使用工业显微镜观察、测量并记录了刀具前后刀面的磨损形貌及磨损量的值.一旦达到刀具磨钝标准时就停止切削.通过分析刀具的磨损形貌以及两种涂层刀具磨损的曲线图可知,在切削Ti6Al4V材料时,SP...