摘要: 在钻削过程中,钻削力功率谱与钻头磨损之间具有较强的相关性,被广泛用于钻头磨损监测,但是关于功率谱特征的提取和识别一直没有很好解决.文中采用小波变换对功率谱进行多层分解,提取低频分解系数作为功率谱的包络信息,从而实现对功率谱特征的提取和压缩,并利用BP神经网络对功率谱小波低频分解系数进行融合,实现钻削过程钻头磨损状态的智能识别.试验结果表明:该方法可有效实现功率谱特征提取,经训练的神经网络具有较高的识别精度和推广能力.
中图分类号:
郑建明, 李言, 肖继明, 洪伟. 基于功率谱小波分解的神经网络钻头磨损监测[J]. 应用科学学报, 2004, 22(4): 513-517.
ZHENG Jian-ming, LI Yan, XIAO Ji-ming, HONG Wei. Artificial Neural Network Based Drill Wear Monitoring Using the Wavelet Decomposition of a Power Spectrum[J]. Journal of Applied Sciences, 2004, 22(4): 513-517.