基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究

國(guó)際金屬加工網(wǎng)

神經(jīng)網(wǎng)絡(luò)作為監(jiān)控系統(tǒng)狀態(tài)識(shí)別的一種方法茫叭，具有很強(qiáng)的自適應(yīng)能力酬屉、容錯(cuò)能力、魯棒性和高度的并行運(yùn)算能力揍愁。這些特點(diǎn)使得該方法在信號(hào)處理(包括模式識(shí)別和智能控制)領(lǐng)域得到了普遍的應(yīng)用呐萨，并取得了良好的控制效果。研究中采用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)作狀態(tài)識(shí)別莽囤。徑向基函數(shù)采用高斯函數(shù)谬擦，高斯函數(shù)的中心和方差通過(guò)fuzzy-C 模糊聚類(lèi)來(lái)獲得。

1 特征生成

經(jīng)過(guò)對(duì)采集到的信號(hào)進(jìn)行研究發(fā)現(xiàn)朽缎，方差惨远、最大譜峰值(200～600kHz)、一步自回歸系數(shù)和均方根值對(duì)刀具磨損最敏感话肖。

方差s²=(S(X_i-X)(X_i-X))/(N-1)
最大譜峰值200～600kHz
一步自回歸系數(shù)P=R₁/R₀北秽，R₁=SX_IX_I-1/N，R₀=自相關(guān)系數(shù)
均方根值X_RMS=(SX_I²/N)^?

2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)

徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
徑向基函數(shù)網(wǎng)絡(luò)只有一個(gè)隱層最筒，輸出單元是線(xiàn)性求和單元贺氓，即輸出是各隱單元輸出的加權(quán)和。隱單元的作用函數(shù)用徑向基函數(shù)(RBF)床蜘，輸入到隱單元的權(quán)值固定為1猫单，只有隱單元到輸出單元間的權(quán)值w_j=(j=1，2玛呐，…概给，n)可調(diào)。最常用的徑向基函數(shù)是高斯函數(shù)姨桩，它的可調(diào)參數(shù)有兩個(gè)，即中心位置及方差(函數(shù)的寬度參數(shù))睁去，用這類(lèi)函數(shù)時(shí)整個(gè)網(wǎng)絡(luò)的可調(diào)參數(shù)有三組戚促，分別為：各基函數(shù)的中心位置、方差和輸出單元的權(quán)值殃宜。

圖1 徑向基函數(shù)(RBF)網(wǎng)絡(luò)結(jié)構(gòu)
徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
徑向基函數(shù)的網(wǎng)絡(luò)結(jié)構(gòu)采用輸入層4個(gè)結(jié)點(diǎn)睡誉，隱層10個(gè)結(jié)點(diǎn)畏琢，輸出層1個(gè)結(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)。利用采集數(shù)據(jù)(設(shè)共N個(gè)樣本)的4個(gè)特征值(均方根值伤很、方差虐欲、一步自相關(guān)系數(shù)和最大譜峰值200～600kHz)作為徑向基函數(shù)的輸入，輸出層結(jié)點(diǎn)為銑刀的磨損值肺樟。用模糊聚類(lèi)Fuzzy C-劃分的方法將樣本組分成M 組檐春，用每組的聚類(lèi)中心作為各個(gè)基函數(shù)中心，基函數(shù)采用高斯函數(shù)么伯，再以公式s=d/2M算出各中心的方差疟暖。最后通過(guò)最小二乘法算出各個(gè)權(quán)值。

3 實(shí)驗(yàn)結(jié)果

在實(shí)驗(yàn)中采用以下加工條件：①?4 高速鋼銑刀田柔，主軸轉(zhuǎn)速1120r/min俐巴，進(jìn)給速度15.68mm/min，切深5mm硬爆，工件采用球墨鑄鐵(24HRC)：～03 高速鋼銑刀欣舵，主軸轉(zhuǎn)速900r/min，刀架進(jìn)給速度12.6mm/min缀磕，切深3mm缘圈，工件采用45^#調(diào)質(zhì)鋼(22HRC)。刀具磨損的測(cè)量工具為JGX-1小型工具顯微鏡虐骑，精度為0.01mm准验。

利用采集的72組數(shù)據(jù)(兩種切削條件下各采36組)的4個(gè)特征值(均方根值、方差疆虑、一步自相關(guān)系數(shù)和最大譜峰值(200～600kHz))作為訓(xùn)練樣本躏叽，按照前面所述的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法，得到所需的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)：然后以另外20組數(shù)據(jù)(在切削條件①下獲得)作為測(cè)試樣本澄月。

圖2是用于測(cè)試的20 組數(shù)據(jù)的磨損曲線(xiàn)(測(cè)試樣本的時(shí)間間隔為10s)淹佃。圖中曲線(xiàn)是實(shí)際測(cè)量的刀具磨損值，Λ曲線(xiàn)是經(jīng)過(guò)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)得到的值脂惊。

圖2 神經(jīng)網(wǎng)絡(luò)測(cè)試曲線(xiàn)

○數(shù)據(jù)點(diǎn)：——A=T：……最佳逼近曲線(xiàn)
圖3 線(xiàn)形回歸圖

**表 RBF網(wǎng)絡(luò)與BP網(wǎng)絡(luò)性能比較**
訓(xùn)練方法	網(wǎng)絡(luò)類(lèi)型	訓(xùn)練時(shí)間(s)	訓(xùn)練步數(shù)
Fuzzy-C聚類(lèi)算法	RBF網(wǎng)絡(luò)	1.20	7
改進(jìn)BP算法	BP網(wǎng)絡(luò)	130.42	2016

圖3 是徑向基函數(shù)網(wǎng)絡(luò)輸出與刀具的實(shí)際磨損值線(xiàn)形回歸圖旁囤。該圖中A是刀具的實(shí)際磨損值：T是RBF網(wǎng)絡(luò)的輸出。

由右表可知喝园，RBF網(wǎng)絡(luò)的訓(xùn)練速度遠(yuǎn)遠(yuǎn)高于改進(jìn)算法的BP網(wǎng)絡(luò)缭越。

4 結(jié)論

利用采集到信號(hào)的均方根值、方差省瓜、一步自相關(guān)系數(shù)和最大譜峰值(200～600kHz)為特征量秋鹅，可以有效地估計(jì)出刀具磨損值。

在實(shí)時(shí)性方面，在主頻為166MHz 的微機(jī)上析崎，從數(shù)據(jù)處理到徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的狀態(tài)識(shí)別(35ms)仁热，所用時(shí)間總共約為200ms，而在實(shí)際應(yīng)用中勾哩，我們每次采集數(shù)據(jù)的時(shí)間間隔可以設(shè)為1s抗蠢、2s等，因此思劳，本研究能夠滿(mǎn)足實(shí)時(shí)性要求迅矛。

聲明：本網(wǎng)站所收集的部分公開(kāi)資料來(lái)源于互聯(lián)網(wǎng)，轉(zhuǎn)載的目的在于傳遞更多信息及用于網(wǎng)絡(luò)分享敢艰，并不代表本站贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)诬乞，也不構(gòu)成任何其他建議。本站部分作品是由網(wǎng)友自主投稿和發(fā)布钠导、編輯整理上傳震嫉，對(duì)此類(lèi)作品本站僅提供交流平臺(tái)，不為其版權(quán)負(fù)責(zé)牡属。如果您發(fā)現(xiàn)網(wǎng)站上所用視頻票堵、圖片、文字如涉及作品版權(quán)問(wèn)題逮栅，請(qǐng)第一時(shí)間告知悴势，我們將根據(jù)您提供的證明材料確認(rèn)版權(quán)并按國(guó)家標(biāo)準(zhǔn)支付稿酬或立即刪除內(nèi)容，以保證您的權(quán)益安蔚！聯(lián)系電話(huà)：010-58612588 或 Email:editor@mmsonline.com.cn泞霹。