基于人工蜂群BP神经网络的刀具磨损监测.docxVIP

基于人工蜂群-BP神经网络的刀具磨损 监测 王吴光 无锡商业职业技术学院机电工程系 摘要： 为了提高刀具磨损状态监测准确度，提出基于人工蜂群-BP神经网络算法的刀 具磨损状态监测方法。使用力传感器和振动传感器设计了磨损状态监测平台；使 用匹配追踪算法对信号进行了去噪;提取了信号时域、频域、时频域的特征参数, 使用核主成分分析法对特征参数进行了降维，确定了反应刀具磨损状态的15个 特征参数;提出了人工蜂群-BP神经网络算法的刀具磨损状态识别方法，使用人 工蜂群算法优化BP神经网络算法参数;经实验验证，传统BP神经网络识别准确 率为78. 75%,优化BP神经网络算法识别准确率为100%o 关键词： 刀具;磨损状态监测;匹配追踪算法;核主成分分析法;人工蜂群-BP神经网 络算法； 作者简介：王吴光，男，1981年生，江苏无锡人，汉族，无锡商业职业技术学 院实验师，硕士，研究方向为机械设计、模具设计。 收稿日期：2017-07-26 基金：国家重点基础研究发展计划(2013CB035800)资助 CUTTING TOOL WEAR CONDITION MONITORING BASED ON ARTIFICIAL BEE COLONY-BP NEUTRAL NETWORK ALGORITHM WANG WuGuang School of Mechanical and Electrical Engineering, Wuxi Vocational Institute of Commerce; Abstract： To improve cutting tool wear condition monitoring accuracy, wear condition monitoring method based on artificial bee colony-BP neutral network is proposed. Force sensor and vibration sensor are used to design monitoring platform. Matching pursuit algorithm is used to denoise for the signal. Characteristic parameters arc extractcd from time domain， frequency domain, and time-frequency domain. These characteristic parameters are reduced dimensionally by kernel principal component analysis, and fifteen parameters are ensured at last. Cutting tool wear condition recognition method based on artificial bee colony-BP neutral network algorithm is prosented， and artificial bee colony algorithm is used to optimize neutral network parameters. The experimental result proves that the recognition accuracy is 78. 75% by BP neutral network and 100% by optimized BP neutral network algori thm respectively. Keyword： Cutting tool; WcEir condition monitoring; Matching pursuit algorithm; Kernel principal component analysis; Artificial bcc colony-BP ncutral network n 1 gotithin; Received： 2017-07-26 引言 机械制造是国家发展进步的基础，能够体现出一个国家的科技发展水平。数控机 床是机械制造行业的基础工具in,数控机床的研制水平直接影响产品的生产精 度和质量，进而影响相关行业的发展水平。数控刀具作为数控机床最重要的加工 工具，直接影响产品的生产精度、机床生产效率与安全性及1。因此本文提出了 刀具磨损状态监测方法，能够实时监控刀具磨损状态，对提高产品质量、生产效 率和安全性具有重要意义。 目前国内外刀具磨损状态监测方法可以分为直接检测法和间接检测法。直接检测 法包括放射线法、光学检