文件大小：0.78M
摘要：通过监测刀具磨损情况，能够有效应对生产加工中的意外状况。为了精确监测刀具的磨损状态，提出了一种多传感器特征融合及BP神经网络结合的刀具磨损预测方法。首先对工业加工中采集到的切削力、振动、声发射信号进行小波阈值去噪，然后在时域、频域和时频域内分析并提取特征，再将融合后的各类传感器特征使用Pearson相关系数和主成分分析(PCA)实现数据降维，最后将降维后的融合特征输入搭建好的BP神经网络，通过非线性仿真分析，从而实现刀具磨损量的预测。案例验证表明：与单一传感器预测相比，提出的多传感器特征融合的刀具磨损预测方法误差最小，且决定系数R2达到0.993。
文章目录
1 引言
2 刀具磨损预测
2.1 BP神经网络
2.2 多特征融合技术
2.2.1 特征提取
2.2.2 特征选择
2.2.3 主成分分析
3 案例分析
3.1 实验条件
3.2 数据处理
3.3 实验验证
3.4 结果与分析
4 结论
