基于差分进化小波神经网络的刀具磨损状态识别.pdfVIP

机械 设计 与制造 第 7期 176 Machinery Design Manufacture 2012年 7月 文章编号：1001—3997(2012)07—0176—03 基于差分进化小波神经网络的刀具磨损状态识别术 陈 静 王 武 毛 林 (许昌学院 电气信息工程学院，许昌 461000) (许继集团 电网公司，许 昌 461000) StateRecognitionofToolWearBasedonDifferentiaIEvolutionWaveletNeuralNetworks CHENJing，WANGWu，MAOLin (SchoolofElectricalandInformationEngineering，XuchangUniversity，Xuchang461000，China) 2powerGridCorpofXJElectricCo．，Ltd，Xuchang461000，China) 【摘 要】提出应用小波神经网络进行刀具磨损状态识别的方法，给出了具体的识别流程。构建了 小波神经网络，并实现了差分进化对网络参数的优化。通过检测加工现场的切削力和切削声音信号，将 其进行信号处理后作为小波神经网络的训练样本，将差分进化应用于小波神经网络结构和参数的优化 中，最终实现刀具磨损状态的识别。仿真结果表明差分进化小波神经网络能够有效避免神经网络不收 敛的缺点，提高学习速度，采用差分进化小波神经网络进行刀具磨损状态识别，具有较高的诊断精度和 效率。 关键词：小波神经网络；差分进化算法；刀具磨损 ；状态识别；仿真 【Abstract】ThenewmethodoftoolwearstatedrecognitionWaSproposedwithapplicationofwavelet neuralnetworkswithspec crecognitionflowbeingprovided．Thethreelayerwaveletneuralnetworkwas constructedandoptimizedwithdifferentialevolutionalgorithm．Cuttingforceandcuttingnoisesignal monitoredincontrolfieldandprocessed trainingsamplesforwaveletneuralnetworks．thedfiferential evolutionWOSappliedtostructuralandparametricoptimizationofthewaveletneuralnetworkstorealize therecognitionoftoolwealstate．SimulationresultSbowsthenewmethodcanavoidnormalneuralnetworks withconvergencequalityandenhancelearningspeed，alsothediangosisprecisionandefficiencywasim- proved． KeyW ords：W aveletNeuralNetwork；DifferentialEvolutionAlgorithm ；ToolW ear；StateReco- gnition；Simulation 中图分类号：TH16，TG71 文献标识码 ：A 1弓I言 程进行控制，刀具状态直接影响T件的加T质量，为了保证加T 随着机械加工 自动化水平的提高，迫切需要对机械加工过 精度，在不同的切削条件下，对刀具磨损状态进行判别具有重要 ★来稿 日期：2011