基于PSO优化的小波神经网络在刀具磨损识别中的应用

• 作者: 雷萍
• 来源期刊: 工具技术
• 学科: 工学
• 关键词: 刀具磨损 切削功率 小波包 神经网络 PSO
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 设计与工艺
• 页码范围: 91-94
• 页数: 4页
• 分类号: TG7
• 字数: 3472字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7008.2007.06.023

摘要

刀具状态监控是保证自动化加工顺利进行的重要环节,本文针对切削加工中功率信号的获取,以及反映刀具状态的信号特征抽取的问题,设计了采集功率信号,利用小波包分解的方法抽取反映刀具磨损状态的特征值作为神经网络输入值,采用神经网络对特征值进行训练,然后借用粒子群算法(PSO)算法优化神经网络及其结构的方法,获得了结构简单、准确性高、实时性好的神经网络,仿真和试验表明该方法对特征信号反映灵敏,对切削参数的变化不敏感,能够准确反映刀具的磨损状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷萍	上海电机学院机械系	4	28	4.0	4.0