第四届郑州国际超硬材料及制品研讨会各项筹备进展顺利.pdfVIP

维普资讯 24 金刚石与磨料磨具工程 总第 135期 3 砂轮状态监测实例及仿真 4 结论 采用本文方法在 D2112工具外圆磨床上进行 了砂 理论分析及仿真测试表明，本文提出的利用基于 轮状态检测，试验条件如下 ： 小波和模糊 BP算法的神经网络在线监测砂轮工作状 砂轮型号 ：WA60LV；砂 轮速度 v =26．3m／s；工 态的方法，具有 以下特点： 件材料 ：40Cr淬火钢 ；工件速度 ：v=0．10～0．30m／ (1)通过监测磨削过程中多种状态信息，利用小波 S；进给率 ：2．0mm／min；磨削条件 ：干磨 。选取砂轮不 网络的多分辨分析和非线性映射能力，进行砂轮钝化 同钝化状态 阶段 的典型样本 45组 ，并选 取其 中 30 状态辨识，提高了监测系统的可靠性和准确性。 组作为训练样本 ，另外 15组作为测试样本 ，分别采 (2)通过采用 自适应调整法 、优化搜索法及模糊 自 用标准 BP网络、文献 [3]优化小波网络及本文优化 适应 BP算法 ，简化了网络结构 ，加快了训练收敛速度 ， 小波网络和模糊 BP算法相结合网络 ，共三种算法进 满足了系统实时性要求 。 ． 参考文献 行学习测试。在模糊决策中为使计算简单 ，可采用 [1] KmpuschewskiB．，WehmeierM．，InasakiI．Grindingmonitoring system 表格匹配法 ，即由表格 1和 2直接获得 和 的 kLsedonpowerandacousticemissionsens0fs[J]．AnnalsoftheCIRP， 值 ，本文选取 NS=一0．01，ZE=0．0，PS=0．O1。在 2OOO，49(1)：235—240． [2] HundtW．，LeuenbergerD．，RehsteinerF．Anapproachtomonitoring of 不同逼近精度下的性能对 比见图 5，可见本文算法使 the~ndingprocessusirlgacousticemission(AE)technique[J]．AIMla[s 网络收敛速度大大高于标准 BP算法 ，并 比单纯优化 0ftheCIRP，1994，43(1)：295—928． 小波网络的收敛速度有所提高。三种方法的误报率 [3] 谢 平，刘 彬 ．一种基于小波网络的切削刀具故障监测 [J]．机 械工程学报 ，2(IO2，38(2)：108—110． 分别为 18％、6％和 4％，利用本文所提 出的方法也 [4] Basls【I1iBB，StephanopoulousG．Wave—net：amulti—resolution，hier- 得到了一定程度的降低 。 archicalneuralnetworkwithlocalizedlearning[J]，Amer．Inst．Chem． Eng．J．