基于柔性信号特征筛选及模式识别的刀具磨损监测技术研究

1研究的意义 我国制造业已发展成为国民经济的重要组成部分，工业增加值占国内生产总值（GDP）的35．75％，居世界第四位，约为美国的1／4，日本的1／2，与德国接近。随着电子、计算机、信息等高新技术的不断发展，为了适应全球化市场需求的多变性与多样化，制造技术正朝着精密化、     

基于柔性信号特征筛选及模式识别的刀具磨损监测技术研究

制造业已发展成为我国经济的重要组成部分,工业产值占国内生产总值（GDP）的35．75％,总规模已居世界前列。随着电子、计算机、信息等高新技术的不断发展,为了适应全球化市场需求的多变性与多样化,制造技术正朝着精密化、柔性化、集成化、网络化、全球化、虚拟化、智能化和清洁化的方向发展。金属切削刀具磨损状态智能监测与预测技术作为先进制造技术的重要组成部分,是在现代传感器技术、信号处理技术、计算机技术和制造技术基础上发展起来的新兴技术,它对于推动加工过程自动化和无人化发展具有极其重要的作用。     

基于集成神经网络的刀具磨损量监测

提出了一种基于集成神经网络识别铣刀磨损量的监测方法．利用小波包变换将切削力和振动信号分解为不同频带的时间序列，从每个信号中选择与刀具磨损状态最相关的3组频段的均方根作为监测特征；通过信号的组合和不同子网络输出决策间的融合，集成神经网络输出刀具磨损的识别结果．试验和仿真分析表明，此方法能够满足刀具磨损量实时监测的要求．