基于Elman神经网络的刀具磨损状态识别技术

• 作者: 何超 崔凯奇 聂鹏
• 来源期刊: 现代制造工程
• 学科: 工学
• 关键词: 刀具磨损 声发射信号 谐波小波包 神经网络
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 制造技术/工艺装备
• 页码范围: 78-81,85
• 页数: 5页
• 分类号: TP206.3
• 字数: 2486字
• 语种: 中文

摘要

由于刀具磨损声发射信号的能量分布与刀具磨损状态密切相关,可以利用谐波小波包方法提取刀具磨损声发射信号的特征能量,对各频段能量做归一化处理,与切削三要素组成特征向量输入到Elman神经网络,通过神经网络判别刀具磨损状态.实验结果表明,刀具磨损产生的声发射信号频率主要集中在10Hz ～ 130kHz之间,将谐波小波包和El-man神经网络结合的方法可以有效地识别刀具磨损状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂鹏	沈阳航空航天大学机电工程学院	50	268	11.0	14.0
2	何超	沈阳航空航天大学机电工程学院	3	11	2.0	3.0
3	崔凯奇	沈阳航空航天大学机电工程学院	2	11	2.0	2.0