基于改进神经网络的机床刀具故障诊断

• 作者: 王海英 高昂
• 来源期刊: 现代电子技术
• 关键词: 机床刀具故障诊断 量子神经网络 BP神经网络 声发射信号
• 年，卷（期）: 2016,（17）
• 所属期刊栏目: 电子技术应用
• 页码范围: 167-170
• 页数: 4页
• 分类号: TN711-34|TH183
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2016.17.042

摘要

针对机床刀具的故障诊断系统进行研究，使用智能人工神经网络算法建立诊断模型。为了提高神经网络模型的训练效率，避免网络陷入局部最优解，使用一种改进的量子神经网络，将附加动量与自适应学习速度方法融合，提高网络收敛效率。使用五轴联动铣床进行刀具故障诊断识别。对声发射信号进行特征提取，使用总振铃技术、总能量、有效电压、事件计数、重心频率、均方根频率以及频率标准方差作为网络的输入向量，判别刀具为新刀、轻微磨损或严重磨损。实验结果表明，使用的改进的量子神经网络的效率以及识别准确度均高于常规BP神经网络。