基于粗糙集和BP神经网络的刀具状态监测.pdfVIP

年 月 机床与液压 第 卷 第 期 基于粗糙集和 神经网络的刀具状态监测 刘然 傅攀 西南交通大学机械工程学院 四川成都 摘要 在刀具磨损状态监测中 能够提取到的反映不同刀具磨损状态的特征量较大 基于神经网络的状态识别无法去 掉冗余特征 会存在训练时间长和准确率降低等问题 针对这些问题 提出基于粗糙集 神经网络的刀具磨损状态监测 方法 利用粗糙集对特征进行属性约简 去掉冗余信息 从而优化特征 并且减少神经网络的输入端数据 可以缩短神经 网络的训练时间和提高识别的准确率 通过对实测刀具数据进行分析 证明了该方法的有效性 关键词 刀具状态监测 粗糙集理论 神经网络 小波包分析 中图分类号 文献标志码 文章编号 前言 的准确性 金属切削加工是机械设计制造中最常用的加工 粗糙集及神经网络基本理论 方式 而刀具又是金属切削加工过程中至关重要的 粗糙集基本原理 生产要素 因此 刀具的性能 质量及其管理直接影 粗糙集的主要思想是指 以分类能力不变为前 响加工过程的稳定性 产品的可靠性 加工节拍和 提 通过知识约简 导出问题的决策或分类规则 在 生产效率 所以 对刀具磨损状态监测 提取有 分类过程中 将相差不大的个体归为一类 它们之间 用信息 分析刀具磨损状况 从而能够实现降低生 的关系为不可分辨关系 记作 设 是论域 产成本 减少生产故障 提高生产效率 是等价关系 利用等价关系集对论域 进行的 人工神经网络具有很强的自身学习能力 善于 划分 称为知识 标记为 若对任意子集 联想记忆 有着很强的鲁棒性和容错性 但是 神经 则称为中的概念 则 中的任意概念族称为 网络不能确定输入特征的冗余 因此 当输入信息 中的知识 称为知识库 量过大时 会影响神经网络的训练时间和识别精