基于人工神经网络的刀具状态监测系统

摘要/Abstract

摘要： 在自动化制造业生产中，刀具状态的监测具有十分重要的意义。在充分考虑对刀具状态密切相关的敏感特征参数的基础上，利用人工神经网络模型实现了刀具状态的监测。试验表明，该系统的错报率为6.3%，可有效地应用到工程实际中。最后，对系统的误差进行分析并提出了改进的方向。

关键词: 刀具状态, 监测, 神经网络

Abstract: Detection of tool condition is meaningful in automatic manufacturing process. According to the sensitive feature parameters in close relationship with tool condition，the detection system of tool condition is set up based on artificial neural networks. Experiments show that percentage of erroneous detection is 6.3% and the system is reliable in practical. Finally, the system error is analysed and improvement direction is presented.

Key words: Detection, Neural network, Tool condition

中图分类号:

TH164 TH277

陈超;徐建林;黄建龙. 基于人工神经网络的刀具状态监测系统[J]. , 2002, 38(8): 135-138.

Chen Chao;Xu Jianlin;Huang Jianlong. DETECTION SYSTEM OF TOOL CONDITION BASED ON ARTIFICIAL NEURAL NETWORKS[J]. , 2002, 38(8): 135-138.

[1]	裴洪, 胡昌华, 司小胜, 张建勋, 庞哲楠, 张鹏. 基于机器学习的设备剩余寿命预测方法综述[J]. 机械工程学报, 2019, 55(8): 1-13.
[2]	胡茑庆, 陈徽鹏, 程哲, 张伦, 张宇. 基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法[J]. 机械工程学报, 2019, 55(7): 9-18.
[3]	李锋, 向往, 陈勇, 汤宝平, 王家序. 基于双隐层量子线路循环单元神经网络的状态退化趋势预测[J]. 机械工程学报, 2019, 55(6): 83-92.
[4]	鲍久圣, 纪洋洋, 阴妍, 黄山. 摩-磁复合制动性能及恒力矩制动控制研究[J]. 机械工程学报, 2019, 55(5): 156-165.
[5]	柯庆镝, 詹伟, 宋守许, 刘光复. 基于磨损间隙下碰撞能耗模型的发动机曲轴服役-再制造状态分析方法[J]. 机械工程学报, 2019, 55(5): 148-155.
[6]	喻曦, 赵欢, 李祥飞, 丁汉. 基于双深度神经网络的轮廓误差补偿策略研究[J]. 机械工程学报, 2019, 55(3): 130-137.
[7]	谢延敏, 张飞, 王子豪, 黄仁勇, 杨俊峰, 胡云川. 基于渐变凹模圆角半径的高强钢扭曲回弹补偿[J]. 机械工程学报, 2019, 55(2): 91-97.
[8]	刘明周, 蒋倩男, 扈静. 基于面部几何特征及手部运动特征的驾驶员疲劳检测[J]. 机械工程学报, 2019, 55(2): 18-26.
[9]	肖鑫, 汤宝平, 邓蕾, 黄艺. 机械振动无线传感器网络跨层同步采集累积误差控制方法[J]. 机械工程学报, 2019, 55(15): 202-207.
[10]	徐海龙, 杨拥民, 胡海峰, 官凤娇, 陈仲生. 基于压缩感知的叶端定时欠采样多频叶片振动盲重构研究[J]. 机械工程学报, 2019, 55(13): 113-121.
[11]	杨扬, 肖晓晓, 南卓江, 刘娜, 李小毛, 彭艳. 刚-柔耦合仿生手指设计及运动学特性[J]. 机械工程学报, 2019, 55(11): 105-113.
[12]	侯文擎, 叶鸣, 李巍华. 基于改进堆叠降噪自编码的滚动轴承故障分类[J]. 机械工程学报, 2018, 54(7): 87-96.
[13]	郭旭,牧继清,王庆军,雍明超,王伟杰,毛丽娜. 基于工频同步信号的三相共筒式GIS局部放电识别方法[J]. 电气工程学报, 2018, 13(4): 46-52.
[14]	王方哲, 朱永生, 闫柯, 刘煜炜, 洪军. 滚动轴承内圈温度无线监测技术[J]. 机械工程学报, 2018, 54(22): 8-14.
[15]	蒋凡, 李元锋, 陈树君. 焊接电弧监测技术研究现状及展望[J]. 机械工程学报, 2018, 54(2): 16-26.

基于人工神经网络的刀具状态监测系统

DETECTION SYSTEM OF TOOL CONDITION BASED ON ARTIFICIAL NEURAL NETWORKS

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价