基于BP神经网络和D-S证据理论的刀具磨损监测方法

摘要：

将BP神经网络和D-S证据理论相结合的方法运用于刀具磨损监测中,采用小波包分解法对刀具磨损过程中产生的声发射信号进行特征提取,构建特征向量,利用BP神经网络识别判断刀具磨损状态;通过BP神经网络的输出结果和训练误差计算D-S证据理论的基本概率赋值,并用D-S证据理论对BP神经网络的识别结果进行决策级融合.实验结果表明:该方法避免了神经网络识别时的误诊,提高了整个刀具磨损监测系统识别的准确性和可靠性.

关键词：刀具磨损、小波包分解、神经网络、D-S证据理论

所属期刊栏目：44

分类号：TP206.3(自动化技术及设备)

资助基金：辽宁省重点实验室项目LS2010117

在线出版日期：2016-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：173-177