10.16652/j.issn.1004-373x.2016.17.042
基于改进神经网络的机床刀具故障诊断
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。
机床刀具故障诊断、量子神经网络、BP神经网络、声发射信号
39
TN711-34;TH183(基本电子电路)
2016-10-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
167-170