基于神经网络的多特征融合刀具磨损量识别

• 作者: 李淑娟 李言 洪伟 肖继明 袁启龙 郑建明
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 钻头磨损 识别 特征 神经网络
• 年，卷（期）: 2002,（1）
• 所属期刊栏目: 工艺·设备·材料
• 页码范围: 111-113
• 页数: 3页
• 分类号: TP183
• 字数: 3664字
• 语种: 中文
• DOI: 10.3321/j.issn:1003-8728.2002.01.040

摘要

采用切削力信号监测钻削过程钻头的磨损量,分别从时域、频域提取了切削力信号的均值、方差、峭度系数和特定频段能量作为刀具磨损的特征信号,讨论了特征信号随着刀具磨损量增加的变化规律,并将各个特征信号构成的特征矢量输入多层反传神经网络进行融合,实现钻削过程刀具磨损量的智能识别.试验结果表明该方法能有效实现多特征融合,但识别精度和推广能力有待进一步提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李言	西安理工大学机仪学院	361	3453	31.0	39.0
2	郑建明	西安理工大学机仪学院	77	705	16.0	21.0
3	肖继明	西安理工大学机仪学院	65	557	15.0	20.0
4	李淑娟	西安理工大学机仪学院	137	1091	18.0	27.0
5	袁启龙	西安理工大学机仪学院	80	731	16.0	22.0
6	洪伟	西安理工大学机仪学院	12	211	9.0	12.0