本文主要研究内容
作者何一千,黄民,孙巍伟（2019）在《基于BP神经网络的数控机床刀具磨损状态识别方法》一文中研究指出：为了提高三相电流信号监测刀具磨损状态的可靠性,提出了一种基于BP神经网络的数控机床刀具磨损状态识别方法。首先对采集得到的三相电流信号进行时域、频域和小波分析,从中提取出与刀具磨损程度相关性较好的多个特征量,组合成敏感特征向量,然后搭建BP神经网络,建立三相电流信号特征向量与刀具磨损状态之间的联系。最后,用经过训练后的BP神经网络识别多组未知样本的刀具磨损状态。实验结果表明,该方法能够准确判定刀具的磨损状态。
Abstract
wei le di gao san xiang dian liu xin hao jian ce dao ju mo sun zhuang tai de ke kao xing ,di chu le yi chong ji yu BPshen jing wang lao de shu kong ji chuang dao ju mo sun zhuang tai shi bie fang fa 。shou xian dui cai ji de dao de san xiang dian liu xin hao jin hang shi yu 、pin yu he xiao bo fen xi ,cong zhong di qu chu yu dao ju mo sun cheng du xiang guan xing jiao hao de duo ge te zheng liang ,zu ge cheng min gan te zheng xiang liang ,ran hou da jian BPshen jing wang lao ,jian li san xiang dian liu xin hao te zheng xiang liang yu dao ju mo sun zhuang tai zhi jian de lian ji 。zui hou ,yong jing guo xun lian hou de BPshen jing wang lao shi bie duo zu wei zhi yang ben de dao ju mo sun zhuang tai 。shi yan jie guo biao ming ,gai fang fa neng gou zhun que pan ding dao ju de mo sun zhuang tai 。
论文参考文献
论文详细介绍
论文作者分别是来自设备管理与维修的何一千,黄民,孙巍伟，发表于刊物设备管理与维修2019年17期论文，是一篇关于三相电流信号论文,神经网络论文,刀具磨损论文,状态识别论文,设备管理与维修2019年17期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自设备管理与维修2019年17期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：三相电流信号论文; 神经网络论文; 刀具磨损论文; 状态识别论文; 设备管理与维修2019年17期论文;