資源描述：
《基于人工蜂群優(yōu)化神經(jīng)網(wǎng)絡(luò)的刀具磨損狀態(tài)監(jiān)測系統(tǒng)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、國內(nèi)圖書分類號：砷2])國際圖書分類號：缸f1密級：公開西南交通大學(xué)碩士研究生學(xué)位論文年級三雯二二級姓名廑蹇申請學(xué)位級別亟±專業(yè)測達(dá)讓量董盔超邀墨指導(dǎo)老師豎潔副教援二零一四年四月classifiedIndex：(此處填國內(nèi)圖書分類號)一Tp27"iu·D·c：‘此處填國際圖書分類號’6zl·一7SouthwestJiaotongUniversityMasterDegreeThesisSTUDYONCUTTINGTOOLⅥ慢ARCoNDITIONMONITOR阱GBASEDONTHEARTIFICIALBEECOLONYOPTIMIZEDNEURALNETWORKGrade：2011C
2、andidate：TangLiangAcademicDegreeAppliedfor：MasterDegreeSpeciality：TestingTechnology&InstrumentSupervisor：AssociateProf．ZhangJie西南交通大學(xué)學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)西南交通大學(xué)可以將本論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)印手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1．保密口，在年解密后
3、適用本授權(quán)書；2．不保密，√使用本授權(quán)書。(請在以上方框內(nèi)打“√”)學(xué)位論文作者簽名：胃日期：ⅥII
4、(．歲、I7指導(dǎo)老師簽名：4蕓謹(jǐn)日期：厶／礦．r。f9，西南交通大學(xué)碩士學(xué)位論文主要工作(貢獻(xiàn))聲明本人在學(xué)位論文中所做的主要工作或貢獻(xiàn)如下：刀具磨損狀態(tài)監(jiān)測系統(tǒng)的構(gòu)建過程中，將匹配追蹤算法引入到刀具狀態(tài)監(jiān)測信號的濾波除噪工作中，提高了信號的有效性；采用KPCA核主成分分析降維方法，有效地降低了所提取的刀具狀態(tài)特征參數(shù)的維數(shù)；最后使用經(jīng)人工蜂群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)對刀具狀態(tài)監(jiān)測特征參數(shù)進(jìn)行訓(xùn)練和識別，實驗表明優(yōu)化后的網(wǎng)絡(luò)能夠有效的克服傳統(tǒng)網(wǎng)絡(luò)易陷入局部最小值的缺點，同時加快了網(wǎng)絡(luò)的
5、訓(xùn)練收斂速度，提高了測試識別精度。本人鄭重聲明：所呈交的學(xué)位論文，是在導(dǎo)師指導(dǎo)下獨立進(jìn)行研究工作所得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻(xiàn)的個人和集體，均已在文中作了明確說明。本人完全了解違反上述聲明所引起的一切法律責(zé)任將由本人承擔(dān)。學(xué)位論文作者簽名：尾I毛日期：砂{K皇、fy西南交通大學(xué)碩士研究生學(xué)位論文第1頁摘要機械制造業(yè)直接體現(xiàn)一個國家的科技水平和經(jīng)濟實力，同時也是其他眾多行業(yè)新技術(shù)、新產(chǎn)品的研發(fā)和生產(chǎn)平臺，在國民經(jīng)濟發(fā)展中有著重要的地位。數(shù)控刀具直接參與機械的制造，且其運行狀態(tài)對加工精度以及加工連續(xù)性
6、至關(guān)重要，使刀具運行狀態(tài)監(jiān)測技術(shù)成為發(fā)展現(xiàn)代制造技術(shù)的關(guān)鍵。本論文以先進(jìn)的多傳感器信息融合技術(shù)為基礎(chǔ)，搭建了以刀具振動信號以及刀具切削力信號為監(jiān)測信號的刀具磨損狀態(tài)監(jiān)測平臺。通過連續(xù)切削以及重復(fù)試驗，采集刀具從新刀到嚴(yán)重磨損整個過程的振動以及切屑力信號參數(shù)，并以此為基礎(chǔ)展開刀具狀態(tài)監(jiān)測技術(shù)的研究。針對現(xiàn)場采集的數(shù)據(jù)因為干擾會包含噪聲的問題，本文引入匹配追蹤算法，通過該方法對原始信號進(jìn)行自適應(yīng)的分解重構(gòu)，達(dá)到了濾波的目的，提高了信號的信噪比：結(jié)合時域、頻域以及基于小波包時頻域分析方法，提取了監(jiān)測信號的特征參數(shù)；針對輸入數(shù)據(jù)樣本量大以及樣本維數(shù)較高的問題，通過核主成分分析(KPCA)方法
7、，在損失狀態(tài)信息較少的情況下，將多個特征指標(biāo)轉(zhuǎn)化為幾個綜合的特征指標(biāo)，用較少的特征參數(shù)來代表軸承狀態(tài)的絕大部分信息，實現(xiàn)了特征參數(shù)的降維。針對BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時，網(wǎng)絡(luò)收斂速度慢，易陷入局部最小值，甚至導(dǎo)致網(wǎng)絡(luò)無法完成訓(xùn)練等問題，引入人工蜂群算法對BP神經(jīng)網(wǎng)絡(luò)的性能進(jìn)行優(yōu)化。該算法中引入的種群概念，以及算法中種群的進(jìn)化機制，大大提升了BP神經(jīng)網(wǎng)絡(luò)的性能。實驗數(shù)據(jù)表明，優(yōu)化后的網(wǎng)絡(luò)克服了原網(wǎng)絡(luò)易陷入局部最小值的缺陷，同時提高了網(wǎng)絡(luò)對刀具狀態(tài)監(jiān)測的精度，實現(xiàn)了刀具磨損狀態(tài)的分類識別。這些研究對不斷完善刀具狀態(tài)監(jiān)測技術(shù)具有一定的實際意義。關(guān)鍵詞：刀具狀態(tài)監(jiān)測；匹配追蹤算法；核主成分分析；人
8、工蜂群算法：BP神經(jīng)網(wǎng)絡(luò)西南交通大學(xué)碩士研究生學(xué)位論文第
9、
10、頁AbstractMachinerymanufacturingindustrydirectlyreflectstheleveloftechnologyandeconomicofacountry．It’Salsotheplatformfornewtechnologydevelopmentandnewproductproductionofmanyotherindustries．Anditplaysan
