共查询到19条相似文献,搜索用时 81 毫秒
1.
2.
3.
基于B样条模糊神经网络的刀具磨损监测 总被引:2,自引:0,他引:2
刀具状态监测是实现自动化加工和无人化加工的关键技术。本文使用切削力和声发射传感器监测金属切削过程,提出了基于B样条模糊神经网络作为刀具磨损量监测模型。该模型能够准确描述刀具磨损和信号特征之间的非线性关系,和常用的BP前馈神经网络相比,具有收敛速度快和局部学习能力等优点。试验结果表明:采用B样条模糊神经网络对提高刀具磨损在线监测的准确度和可靠度非常有效。 相似文献
4.
5.
6.
针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型.该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的.然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点.将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性. 相似文献
7.
8.
《机电工程》2021,38(10)
在实际工作环境中,机械设备的有用信号通常很微弱,并会被淹没在强噪声中,导致其故障特征很难被提取出来,针对这一问题,提出了一种基于时延约束势随机共振的机械故障信号检测方法。首先,建立了时延约束势随机共振模型,描述了其势函数的结构和功能特点,从理论上推导了输出信噪比的数学表达式,并研究了系统参数、时延长度和反馈强度对信噪比和噪声强度关系的影响;然后,利用蚁群算法的参数优化能力,实现了随机共振系统的最佳匹配;最后,将提出的方法应用于仿真故障信号和实际滚动轴承的外圈故障信号的诊断实验中,并将结果与双稳态随机共振方法获得的结果进行了对比。研究结果表明:在故障频率为60 Hz和143.08 Hz时,相比于经典的双稳态随机共振方法,所提出的时延约束势随机共振方法具有更高的频谱峰值,并且其受噪声干扰较小,故障识别效果更明显;该结果可以提高滚动轴承等机械设备的微弱故障诊断能力。 相似文献
9.
10.
为实现高速加工时刀具渐变磨损状态的在线准确识别,提出了一种集合多种智能的间接检测刀具磨损状态方法的模糊数据融合方法。尽管这些方法具有算法实现较为简单、处理速度较快的优点,但单一的信号检测及单一的智能建模方法难以获得全面的加工状态信息和准确的识别结果。为此,利用F推理技术对上述方法的冗余和互补信息进行数据融合,应用Makino—Fanuc 74-A20型加工中心的测试数据验证了该方案的可行性,并将刀具后刀面磨损的预测值与基于机器视觉检测的实测值进行比较。实验结果分析表明,多参数模糊融合识别方法能快速获得切削刀具磨损状态更加准确的预测值。 相似文献
11.
12.
针对传统的支持向量机(support vector machine,简称SVM)参数选择方法以人工试验为主,花费时间长且很难得到最优参数的问题,提出了一种基于遗传算法(genetic algoritlam,简称GA)的支持向量机参数自动寻优方法.利用GA的全局搜索能力对支持向量机的各项参数进行寻优预处理,找到最优的参数取值,建立基于遗传算法的支持向量机模型(GA-SVM).以某小型给水管网为研究对象,采用水力分析算法求得管网局部破坏状态下的各项数据,并用这些数据对预测模型进行故障诊断试验,结果表明,经遗传算法优化的支持向量机模型具有较高的预测精度,整体性能优于传统的BP神经网络模型. 相似文献
13.
针对实际机械故障诊断中强噪声背景下难以提取故障特征的情况,提出了一种基于随机共振消噪(stochastic resonance,SR)和经验模态分解(Empirical Mode Decomposition,EMD)的轴承故障诊断方法。首先,将轴承振动信号进行随机共振消噪,利用噪声增强振动信号的信噪比;然后,将消噪的信号再进行EMD分解,通过求取本征模函数(Intrinsic Mode Function,IMF)幅值谱,从而发现轴承故障频率。实验结果表明,该方法可以提高信噪比,实现微弱信号检测,更有效地应用于轴承的故障诊断。 相似文献
14.
15.
自适应遗传算法在滚动轴承故障诊断中的应用 总被引:1,自引:0,他引:1
提出了一种基于自适应遗传算法的滚动轴承故障诊断方法。实验表明,该方法对滚动轴承故障模式具有稳定、准确的识别能力,是一种行之有效的新型诊断方法。 相似文献
16.
智能故障诊断技术的发展和展望 总被引:51,自引:1,他引:51
吴今培 《振动、测试与诊断》1999,19(2):79-86
介绍了当前设备智能故障诊断技术的发展概况及发展前景,对智能诊断的本质问题及未来智能诊断系统是什么样的等问题进行了初步探讨。 相似文献
17.
为了提高机械加工过程中刀具磨损在线监测的准确性,提出了一种基于长短时记忆卷积神经网络(LSTM-CNN)的刀具磨损在线监测模型。在该监测模型中,通过振动、力、声发射传感器对刀具切削过程中的振动、力和声发射信号进行采集,采集的数据其本质为时间序列数据。考虑采集数据的序列和多维度特性,采用LSTM-CNN网络对采集的数据进行序列和多维度特征提取,利用线性回归实现特征到刀具磨损值的映射。通过实验验证了该模型的有效性和可行性,模型的精度较其他几种方法有了较大的提高。 相似文献
18.
介绍了蚁群算法基本原理,实验验证了蚁群聚类算法可用于轴承故障诊断,对比蚁群算法和BP神经网络在故障诊断中的不同,分析了蚁群算法在故障模式识别中的特点。 相似文献