基于小波神经网络的航空刀具磨损状态识别

• 作者: 孙宝林 徐涛 聂鹏 谌鑫
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 航空加工 刀具磨损 小波神经网络 状态识别
• 年，卷（期）: 2011,（1）
• 页码范围: 106-109
• 页数: 4页
• 分类号: TP206.3
• 语种: 中文

摘要

针对航空零件的加工特点,采集刀具在不同磨损状态下的声发射(AE,Acoustic Emission)信号,对AE信号进行时频分析和小波变换,运用快速傅里叶变换(FFT,FastFourier Transform)以及db8小波5层分解,提取AE信号幅值的均方根和主能量频段的能量作为特征向量,对特征向量进行归一化处理后作为输入向量对小波神经网络进行训练.小波神经网络运用参数调整算法,在权值和阈值的修正中加入动量项,测试结果表明:AE信号对刀具磨损敏感的频率范围在10-150 kHz,网络实际输出与期望结果的误差小于0.03,该方法能够对刀具不同磨损状态进行正确的识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐涛		40	180	7.0	11.0
2	聂鹏		50	268	11.0	14.0
3	谌鑫		4	13	1.0	3.0
4	孙宝林		1	0	0.0	0.0