B样条模糊神经网络在刀具故障诊断中的应用

摘要

随着制造业自动化程度的不断提高，机械故障诊断技术的重要性越来越明显。加工刀具是机械加工过程中最重要的加工要素之一，在加工过程中刀具的磨损必然会影响加工质量，加工成本及生产效率。在早期的机械加工过程中，全靠人来观察刀具，更换刀具。但在现代化、连续自动化生产系统中，刀具的破损不仅会导致机床的功能失效，还会构成整个系统的故障，因此，预测刀具的磨损和破损显得十分重要。 本文建立了铣刀磨损状态监测的实验系统，通过实验使用振动传感器采集了刀具在各种磨损情况下的大量数据，在对这些数据进行分析时，本文采用传统的快速傅立叶分析方法，通过分析其幅-频特性提取有效特征。在故障诊断过程中采用了BP神经网络进行识别，得到了良好的诊断结果。但同时也看出了BP神经网络的缺点，网络在训练时表现出“黑箱”性质，即网络的输入/输出关系不易让人理解，而且BP算法的收敛速度慢。针对以上的缺点，本论文将神经网络和模糊系统结合起来进行研究，其中隶属函数采用B样条函数。B样条函数具有正定性、紧密性和归一性，使得训练过程中网络的权值在局部范围内调整，且系统的输出简单可靠。在对刀具磨损状态进行监测过程中可以看出，B样条模糊神经网络内部的连接结构透明，可以很方便的根据实际需要调节网络结构，进行网络的优化来得到更加理想的诊断结果，同时证明了B样条模糊神经网络的训练速度优于BP网络。 通过本文研究，证明利用B样条模糊神经网络模型对铣刀磨损状态的诊断完全可行。由于网络结构的拓展性，对其它刀具状态的诊断也是可行的，研究证明该网络能有效地提高加工质量及效率。

目录

文摘

英文文摘

第1章绪论

1.1课题研究的内容及意义

1.1.1课题研究的内容

1.1.2课题研究的意义

1.2刀具状态监测的国内外现状

1.3本课题的主要研究内容

第2章刀具状态监测的实验及特征的提取

2.1刀具状态监测实验系统的建立

2.1.1传感器的选择

2.1.2刀具磨损监测实验系统的建立

2.1.3铣刀磨损的形式

2.2有效特征的提取

2.3傅立叶变换的基本理论

2.3.1周期函数傅立叶级数展开式

2.3.2非周期函数傅立叶积分

2.3.3快速傅立叶变换(FFT)

2.3.4傅立叶变换在故障诊断中的应用

2.3.5短时傅立叶变换(STFT)

2.4信号分析处理的结果

2.4.1铣床空转情况下的分析结果

2.4.2在相同加工条件及相同刀具磨损量情况下的分析结果

2.4.3在相同加工条件及不同刀具磨损量情况下的分析结果

2.4.4有效特征数据的归一化处理

第3章模糊神经网络在刀具故障诊断中的应用

3.1模糊神经网络理论基础

3.1.1神经网络

3.1.2模糊理论与技术

3.1.3模糊神经网络

3.2BP神经网络

3.2.1BP网络的结构

3.2.2BP网络对刀具的故障诊断

第4章B样条模糊神经网络及其在刀具磨损故障诊断中的应用

4.1格构联想记忆网络

4.2 B样条模糊神经网络

4.2.1 B样条网络结构

4.2.2 B样条网络函数的递推

4.2.3 B样条函数用于模糊神经网络

4.3 B样条模糊神经网络学习算法

4.4B样条模糊神经网络在刀具故障诊断中的应用

4.5 B样条模糊神经网络与BP网络的对比

结论

致谢

参考文献

攻读硕士研究生期间发表的论文