基于改进神经网络的机床刀具故障诊断

摘要：

针对机床刀具的故障诊断系统进行研究，使用智能人工神经网络算法建立诊断模型。为了提高神经网络模型的训练效率，避免网络陷入局部最优解，使用一种改进的量子神经网络，将附加动量与自适应学习速度方法融合，提高网络收敛效率。使用五轴联动铣床进行刀具故障诊断识别。对声发射信号进行特征提取，使用总振铃技术、总能量、有效电压、事件计数、重心频率、均方根频率以及频率标准方差作为网络的输入向量，判别刀具为新刀、轻微磨损或严重磨损。实验结果表明，使用的改进的量子神经网络的效率以及识别准确度均高于常规BP神经网络。

关键词：机床刀具故障诊断、量子神经网络、BP神经网络、声发射信号

所属期刊栏目：39

分类号：TN711-34;TH183(基本电子电路)

在线出版日期：2016-10-14（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：167-170