遗传算法优化的模糊神经网络在刀具磨损诊断中的应用

• 作者: 傅攀 张尔卿 曹伟青
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 经验模态分解 形态滤波 B样条基函数 模糊神经网络 遗传算法
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 精密制造与加工
• 页码范围: 1682-1687
• 页数: 6页
• 分类号: TP183|TH165.3
• 字数: 3963字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.2014.1115

摘要

针对刀具磨损监测时,采集的振动信号含有强烈的背景噪声,难以提取故障频率的问题,提出采用形态滤波消噪后进行经验模态分解来提取故障频率;同时,为了准确监测刀具的磨损状态,将提取的故障特征输入到遗传算法优化的模糊神经网络对刀具的磨损进行识别,模糊神经网络的基函数采用B样条基函数.传统的网络学习算法采用梯度下降法,这在学习过程中容易陷入局部最小,论文采用遗传算法寻求全局的最优解.实验表明,该方法能有效地应用于强噪声背景下的刀具磨损识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅攀	西南交通大学机械工程学院	78	545	12.0	18.0
2	曹伟青	西南交通大学机械工程学院	12	77	5.0	8.0
3	张尔卿	西南交通大学机械工程学院	8	59	5.0	7.0