基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究

基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究

ID:15962112

大小:42.50 KB

頁(yè)數(shù):4頁(yè)

時(shí)間:2018-08-06

基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究_第1頁(yè)
基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究_第2頁(yè)
基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究_第3頁(yè)
基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究_第4頁(yè)
資源描述:

《基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究來(lái)源:開(kāi)關(guān)柜無(wú)線測(cè)溫http://www.testeck.com神經(jīng)網(wǎng)絡(luò)作為監(jiān)控系統(tǒng)狀態(tài)識(shí)別的一種方法,具有很強(qiáng)的自適應(yīng)能力、容錯(cuò)能力、魯棒性和高度的并行運(yùn)算能力。這些特點(diǎn)使得該方法在信號(hào)處理(包括模式識(shí)別和智能控制)領(lǐng)域得到了普遍的應(yīng)用,并取得了良好的控制效果。研究中采用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)作狀態(tài)識(shí)別。徑向基函數(shù)采用高斯函數(shù),高斯函數(shù)的中心和方差通過(guò)fuzzy-C模糊聚類(lèi)來(lái)獲得。1特征生成經(jīng)過(guò)對(duì)采集到的信號(hào)進(jìn)行研究發(fā)現(xiàn),方差、最大譜峰值(200~600kHz)、一步自回歸系數(shù)和均方根值對(duì)刀具

2、磨損最敏感。1方差s2=(S(Xi-X)(Xi-X))/(N-1)1最大譜峰值200~600kHz1一步自回歸系數(shù)P=R1/R0,R1=SXIXI-1/N,R0=自相關(guān)系數(shù)1均方根值XRMS=(SXI2/N)?2徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)1徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)徑向基函數(shù)網(wǎng)絡(luò)只有一個(gè)隱層,輸出單元是線性求和單元,即輸出是各隱單元輸出的加權(quán)和。隱單元的作用函數(shù)用徑向基函數(shù)(RBF),輸入到隱單元的權(quán)值固定為1,只有隱單元到輸出單元間的權(quán)值wj=(j=1,2,…,n)可調(diào)。最常用的徑向基函數(shù)是高斯函數(shù),它的可調(diào)參數(shù)有兩個(gè),即中心位置及方差(函數(shù)的寬度

3、參數(shù)),用這類(lèi)函數(shù)時(shí)整個(gè)網(wǎng)絡(luò)的可調(diào)參數(shù)有三組,分別為:各基函數(shù)的中心位置、方差和輸出單元的權(quán)值。圖1徑向基函數(shù)(RBF)網(wǎng)絡(luò)結(jié)構(gòu)1徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)徑向基函數(shù)的網(wǎng)絡(luò)結(jié)構(gòu)采用輸入層4個(gè)結(jié)點(diǎn),隱層10個(gè)結(jié)點(diǎn),輸出層1個(gè)結(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)。利用采集數(shù)據(jù)(設(shè)共N個(gè)樣本)的4個(gè)特征值(均方根值、方差、一步自相關(guān)系數(shù)和最大譜峰值200~600kHz)作為徑向基函數(shù)的輸入,輸出層結(jié)點(diǎn)為銑刀的磨損值。用模糊聚類(lèi)FuzzyC-劃分的方法將樣本組分成M組,用每組的聚類(lèi)中心作為各個(gè)基函數(shù)中心,基函數(shù)采用高斯函數(shù),再以公式s=d/2M算出各中心的方差。最后通過(guò)最小二乘

4、法算出各個(gè)權(quán)值。3實(shí)驗(yàn)結(jié)果在實(shí)驗(yàn)中采用以下加工條件:①?4高速鋼銑刀,主軸轉(zhuǎn)速1120r/min,進(jìn)給速度15.68mm/min,切深5mm,工件采用球墨鑄鐵(24HRC):~03高速鋼銑刀,主軸轉(zhuǎn)速900r/min,刀架進(jìn)給速度12.6mm/min,切深3mm,工件采用45#調(diào)質(zhì)鋼(22HRC)。刀具磨損的測(cè)量工具為JGX-1小型工具顯微鏡,精度為0.01mm。利用采集的72組數(shù)據(jù)(兩種切削條件下各采36組)的4個(gè)特征值(均方根值、方差、一步自相關(guān)系數(shù)和最大譜峰值(200~600kHz))作為訓(xùn)練樣本,按照前面所述的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法

5、,得到所需的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò):然后以另外20組數(shù)據(jù)(在切削條件①下獲得)作為測(cè)試樣本。圖2是用于測(cè)試的20組數(shù)據(jù)的磨損曲線(測(cè)試樣本的時(shí)間間隔為10s)。圖中曲線是實(shí)際測(cè)量的刀具磨損值,Λ曲線是經(jīng)過(guò)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)得到的值。圖2神經(jīng)網(wǎng)絡(luò)測(cè)試曲線○數(shù)據(jù)點(diǎn):——A=T:……最佳逼近曲線圖3線形回歸圖表RBF網(wǎng)絡(luò)與BP網(wǎng)絡(luò)性能比較訓(xùn)練方法網(wǎng)絡(luò)類(lèi)型訓(xùn)練時(shí)間(s)訓(xùn)練步數(shù)Fuzzy-C聚類(lèi)算法RBF網(wǎng)絡(luò)1.207改進(jìn)BP算法BP網(wǎng)絡(luò)130.422016圖3是徑向基函數(shù)網(wǎng)絡(luò)輸出與刀具的實(shí)際磨損值線形回歸圖。該圖中A是刀具的實(shí)際磨損值:T是RBF網(wǎng)絡(luò)的輸出

6、。由右表可知,RBF網(wǎng)絡(luò)的訓(xùn)練速度遠(yuǎn)遠(yuǎn)高于改進(jìn)算法的BP網(wǎng)絡(luò)。4結(jié)論利用采集到信號(hào)的均方根值、方差、一步自相關(guān)系數(shù)和最大譜峰值(200~600kHz)為特征量,可以有效地估計(jì)出刀具磨損值。在實(shí)時(shí)性方面,在主頻為166MHz的微機(jī)上,從數(shù)據(jù)處理到徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的狀態(tài)識(shí)別(35ms),所用時(shí)間總共約為200ms,而在實(shí)際應(yīng)用中,我們每次采集數(shù)據(jù)的時(shí)間間隔可以設(shè)為1s、2s等,因此,本研究能夠滿足實(shí)時(shí)性要求。

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。