文档介绍：兰州理工大学
硕士学位论文
基于人工智能的刀具切削状态的监控研究
姓名:李娜
申请学位级别:硕士
专业:机械制造及其自动化
指导教师:邬再新
20080403
摘要本文对国内外刀具监控技术进行了研究,着重研究了人工神经网络在刀具监控技术中的应用。神经网络因其极强的非线性映射能力,特别适合于复杂模式识别,所以成为刀具状态识别广泛而强有力的工具。本文结合检测系统的三大部分,即信号检测、特征提取、模式识别对刀具状态检测进行了具体的研究。本文的主要研究工作如下:·首先分析了刀具切削状态监控技术的发展及国内外研究的现状,确定了本课题研究的意义。·通过对刀具磨损监测方法的研究,确定了间接监测信号方法的实施,并对刀具加工过程中的各种传感器进行研究,对各种检测信号进行比较,最后选择了电机电流信号,为成功研究刀具的状态奠定了坚实的基础。·对所选信号进行分析并提取信号特征,分别在时域,频域及时频域中对信号进行分析,提出用小波理论分析电机电流信号,有效的提取了刀具的信号特征,为·结合了人工智能神经网络对网、托〔ㄉ窬缃醒芯浚⒃中进行仿真,比较了各种网络在刀具状态模式识别决策中的应用。关键词:刀具监控;小波;网;恍〔ㄉ窬刀具状态的诊断提供可靠依据。最后结合本课题的结论,提出了改进意见和方案。硕十学位论文
曲弘印,撕鷇祊鉵齞摹于人啬艿牡毒咔邢髯刺募嗫匮芯,,.,琧甋瓸鏻,;.猯,:·,·瑃甀.,甀痚甧·琑、甪畂,.籖粀
附表索引表国外几种典型刀具监控仪低⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表学习样本⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一表训练样本⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..表仿真出的值与实测值比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表经过归一化的测试数据与样本输出数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表仿真出的值与实测值⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一表基于小波网络的仿真值与实测值⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.硕十学位论文
插图索引图刀具的前刀面磨损形式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图刀具后刀面磨损⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图刀具的典型磨损曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图刀具磨损监测系统框图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.信号监测系统组成框图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯传感器⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图加工过程中刀具监控传感器⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图霍尔电流传感器原理图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图电机电流信号检测电路原理图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一宀奂癙数据采集卡⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图原始信号图不同尺度下的连续小波分解⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图信号的复连续小波分解⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图原始信号图尺度统叨的低频系数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图尺度统叨的高频系数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图傅立叶变换⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图小波变换检测第一类间断点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图小波分析检测第二类型间断点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图毒咂扑鹦藕拧图毒咂扑鹦藕判〔ū浠弧图庸な奔溆氲毒吣ニ鹆康墓叵怠图生物神经元⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图神经元结构模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图三层神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.学习算法流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图三层神经网络模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯峁埂图多分辨率小波网络结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图小波基函数网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图小波网络结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图湟恍〔ㄍ缃峁雇肌小波函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图〔ㄋ惴ǔ绦蛄鞒掏肌图刀具磨损监控试验系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图训练结果齮⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图训练结果齮图基于姆抡嬷怠图图硕十学何论文
图误差曲线图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图小波神经网络误差曲线图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于人啬艿牡毒咔邢髯刺募嗫匮芯
导师虢却再作者签名:,巷唧摩研日期:潲年拢谌兰州理工大学学位论文原创性声明和使用授权说明日期:力形年厂月