GRNN与粒子滤波集成的刀具磨损监测

论文摘要

在金属切削加工过程中及时准确地掌握刀具磨损状态是非常必要的,然而目前的刀具磨损监测技术普遍为分析实时采集的信号得到刀具目前时刻的磨损状态,若能根据刀具当前的磨损状态准确地提前预测后续加工过程的连续磨损量变化,将对优化整个切削过程与管理决策具有重大的意义。针对此问题提出了广义回归神经网络(GRNN)与粒子滤波集成的刀具磨损预测模型,利用粒子滤波对GRNN的时序预测结果进行修正,实验证明粒子滤波有助于降低由于训练样本少与存在观测噪声所导致的预测偏差,经粒子滤波修正后的磨损量识别精度更高且较传统的卡尔曼滤波具有更好的修正效果,为刀具磨损监测提供了新思路。

论文目录

• 1 引言
• 2 广义回归神经网络基础理论
•   2.1 留一法交叉验证优化的广义回归神经网络
• 3 粒子滤波修正模型
• 4 实验方案与模型比较
•   4.1 车刀磨损分析
•   4.2 实验方案选用
•   4.3 预测模型比较
•   4.4 粒子滤波集成的预测修正
• 5 结论

文章来源

类型: 期刊论文

作者: 熊昕,王时龙,易力力,郭一君

关键词: 刀具磨损监测,广义回归神经网络,粒子滤波,神经网络

来源: 机械设计与制造 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

专业: 金属学及金属工艺

单位: 重庆大学机械传动国家重点实验室

基金: 国家科技支撑计划资助项目(2015BAF02B02),教育部创新团队发展计划项目(IRT_15R64)

分类号: TG71

DOI: 10.19356/j.cnki.1001-3997.2019.01.048

页码: 186-189+193

总页数: 5

文件大小: 762K

下载量: 147