基于改进的径向基神经网络刀具磨损识别方法

论文摘要

采用传统的径向基神经网络(RBF)模型对刀具磨损量进行识别,没有体现铣削力特征值与刀具磨损量关联程度。文章通过特征优选获取最能反映刀具磨损状态的特征,并将优选后得到的特征与刀具磨损量的关联度作为对角矩阵的对角元,再将该对角矩阵引入RBF径向基函数中,从而使得在计算RBF输入向量与中心神经元径向距离时,不同特征的空间距离所占比重等于该特征对应的与刀具磨损状态的关联度,代替原RBF计算中不同特征的空间距离所占比重相等的情况。实验证明,与优化前相比,优化后的RBF神经网络模型具有更高的识别准确率和识别速度。

论文目录

• 0 引言
• 1 理论背景
•   1.1 RBF神经网络模型
•   1.2 改进的RBF神经网络
•   1.3 改进的RBF神经网络训练流程
• 2 刀具磨损识别模型
• 3 结论

文章来源

类型: 期刊论文

作者: 黄思思,王杰,胡茂琴,胡金龙

关键词: 神经网络,模式识别,关联度,刀具磨损

来源: 组合机床与自动化加工技术 2019年03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: 四川大学制造科学与工程学院

基金: 四川省科学技术厅资助项目(2017GZ0092),四川省重点研发项目(2019YFG0356,2019YFG0359)

分类号: TG71

DOI: 10.13462/j.cnki.mmtamt.2019.03.021

页码: 81-83+90

总页数: 4

文件大小: 860K

下载量: 157