基于粗糙集神经网络的刀具磨损监测的研究

摘要：

针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型.该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的.然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点.将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性.

关键词：粗糙集、遗传算法、神经网络、刀具监测

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资助LS2010117

在线出版日期：2014-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：6-9