基于神经网络刀具磨损的多特征融合监控

摘要

以切削力为依据,分别从时域、频域提取了切削力信号的峰值因子、Kurtosis系数和敏感频段带能量作为特征量进行钻削过程刀具磨损量的检测,讨论了特征信号随着刀具磨损量增加的变化规律,并将各个特征量构成的特征矢量输入改进的多层反传神经网络进行融合,实现钻削过程刀具磨损量的智能识别.试验结果表明该方法具有较强的抗干扰能力和较高的识别精度.