WAVELET PACKET AND FUZZY NEURAL NETWORK FOR TOOL CONDITION MONITORING *

在自动化制造中,线监控刀具状况以保护刀具与加工工件显得越来越重要．近年来,许多研究者在此领域进行了广泛的研究,然而由于加工过程的不确定性,现有的刀具监控系统的可靠性还有待提高．本文提出了一种基于小波包分析与模糊神经网络的自适应刀具监控系统,该系统利用小波包分析方法将加工过程振动信号分解为不同的频率段,并在此基础上,建立了自适应特征提取方法,为模糊神经网络提供最优的特征输入,然后模糊神经网络据此进行决策,分析刀具磨损状况．实验结果表明：该系统模糊神经网络能有效通过学习人类模糊知识和在线学习样本来提高刀具监控精度．     

基于WPD和模糊神经网络的轴承故障诊断

提出一种结合小波包分解和模糊神经网络的故障诊断方法,采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此为学习样本,再利用正交最小二乘学习算法训练模糊神经网络,确定故障诊断系统模型,对轴承故障进行诊断和识别.仿真结果及与其它一些方法比较表明:该轴承故障诊断方法可以有效识别和预测轴承的状态,且学习效率、准确性和可靠性等方面均有较大提高.     

模糊控制理论在铣刀磨损监控中的应用

研究一种铣刀磨监控方法,信号采集采用声发射传感器,信号特征生成采用小波变换方法,将变换后的尺度系数和各个频段的小波系数作为特征,采用自行设计的Sugeno模糊控制系统进行状态识别,模糊控制系统的输出是刀具磨损值,有利于对刀具磨损进行各种实时补偿,实验表明,模糊控制作为刀具磨损状态识别的方法,取得了良好的效果。     

基于模糊聚类的刀具磨损量在线监测方法

研究在加工过程中刀具磨损量实时监测和预报。针对神经网络在监测刀具磨损量中存在的缺点,在选择合适的模糊聚类标准样本的基础上,利用模糊聚类方法,加以适当推理。实验分析表明,该方法在刀具磨损量在线监测中具有较好的容错性和可分析性。在标准样本合适的条件下,利用模糊聚类方法能够正确地进行在线监测和预报刀具磨损量。     

基于小波包变换的模糊神经网络小电流接地系统故障选线

根据小波包变换和模糊神经网络的特点，提出了基于小波包变换模糊神经网络的一种小电流接地系统单相接地故障选线方法，即利用经过接地后零序电流训练的小波模糊神经网络来判别接地线路。该方法适用于任何小电流接地系统，并且不受负荷谐波、暂态过程、故障点过渡电阻等因素的影响，从理论上解决了传统方法选线准确率低的问题。EMTP仿真计算结果表明，该方法是准确和可靠的，具有实用潜力。     

一种基于HHT和神经网络的智能轴承状态监控系统

提出了一种Hilbert-Huang变换(HHT)和神经网络相结合的智能轴承状态监控系统.从理论上阐述了经验模态分解(EMD)、固有模态函数(IMF)、Hilbert变换以及广义回归神经网络(GRNN).提出了轴承智能状态监控流程图即小波包对振动信号进行去噪预处理,HHT提取IMF的瞬时幅值作为特征向量,实验使用了BPNN和GRNN 2种神经网络,通过神经网络进行故障辨识和分类,最后用轴承的振动数据对该系统进行验证.结果表明,提出的状态监控系统能较好地对轴承的状态进行监控.     

小波包与神经网络相结合的股票价格预测模型

小波包较之于小波可以更为灵活地提取分散在不同尺度上的信号特征,结合神经网络也就可获得更好的预测精度,本文按此方式建立了一种混合杂交模型用于股票市场价格波动预测,并为获得最优预测精度,本文利用遗传算法进行小波包最优分解选择和神经网络参数选择。通过对上证综指的实证研究,表明这种混合杂交模型的性能优于同类神经网络模型和基于小波分解的神经网络模型。     

金属罐形容器罐底声发射信号的检测研究

基于小波包分析和神经网络的声发射信号缺陷检测方法,提出采用区间小波包分解与能量距相结合作为声发射信号的特征向量,取代了传统的“小波包-能量“特征提取方法,并以金属罐形容器罐底缺陷诊断为例验证了该方法的有效性.结果表明,基于区间小波包能量距的神经网络特征提取方法更好地利用了缺陷信号的主要频带和小波包分析的时频信息,与传统方法相比,能大大简化检测系统的复杂度,提高容器的检测识别率.     

大型机械设备变工况非平稳动态分析与监测诊断关键技术——荣获1999年度国家科学技术进步三等奖

该研究是针对国民经济、工矿企业的急需 ,为解决大型机械设备运行过程中变工况、非平稳和不确定性的监测诊断问题而进行的基础理论和应用技术研究 ,经国际联机检索、国内专家评审和鉴定 ,研究成果分别具有国际先进和国际领先水平 .创新研制出以小波理论、时频分析、分形方法和模糊数学为基础的解决变工况非平稳监测诊断和模糊分类、识别的系列方法、软件和装置 ,成功地将小波理论、模糊聚类和神经网络有机地结合起来 ;创造性地提出小波包自回归谱、小波包模糊聚类网络分类、小波包分频带能量监测、基因小波分析、谐波小波轴心轨迹分形分析、…     

故障诊断知识获取的一种神经网络理论方法

基于神经网络的竞争学习机制,提出了一种新的基于神经网络专家系统的自动化生产过程监控的知识获取理论方法.这种理论方法在故障诊断的知识获取上是通过竞争学习机制来实现的,与以往人们一般较常采用的BP学习算法相比,具有算法简单、易于实现及无需教师进行监督等特点.利用此方法,经在一个铣削加工过程监控系统上进行仿真研究表明:这种理论方法是非常有效的.     

基于小波包-改进神经网络的齿轮传动系统故障诊断研究

本文研究了小波包分析、神经网络在齿轮传动系统故障诊断中的应用。通过实例成功地对齿轮传动系统故障模拟实验中获得的振动信号进行基于小波包分析的故障特征提取,然后应用改进的神经网络进行齿轮传动系统的故障识别。结果表明,在齿轮传动系统故障诊断中,基于小波包-神经网络的故障是一种行之有效的方法。     

带误差补偿的刀具智能监控系统

以数控车削加工为例,建立刀具状态向量,通过神经网络BP算法程序综合分析,建立刀具智能监控系统,并与机床定位误差补偿系统联动,完成提高加工精度和刀具工况监察的综合智能控制。     

基于模糊支持向量机的刀具磨损检测

提出一种基于模糊支持向量机(FSVM)的切削过程中刀具磨损检测方法,对切削加工过程中的刀具磨损状态进行诊断与预测。提取切削加工过程中刀杆的振动信号和切削刀具的切削力信号,对其进行分帧处理,提取FFT特征量,对该特征向量进行模糊支持向量机的学习和训练。实验结果表明,该方法能够充分发挥模糊支持向量机的权系数作用,有效检测切削过程刀具的磨损程度,与同类识别方法的识别结果相比较,具有一定的优越性。     

基于模糊支持向量机的刀具磨损检测

提出一种基于模糊支持向量机(FSVM)的切削过程中刀具磨损检测方法,对切削加工过程中的刀具磨损状态进行诊断与预测。提取切削加工过程中刀杆的振动信号和切削刀具的切削力信号,对其进行分帧处理,提取FFT特征量,对该特征向量进行模糊支持向量机的学习和训练。实验结果表明,该方法能够充分发挥模糊支持向量机的权系数作用,有效检测切削过程刀具的磨损程度,与同类识别方法的识别结果相比较,具有一定的优越性。     

基于小波神经网络的滚动轴承故障诊断

研究了基于BP神经网络、基于径向基神经网络等的故障诊断方法和原理,并利用小波包分解获得了滚动轴承振动信号的特征向量,进行了详细的故障诊断实验研究,通过实验,比较了基于松散型小波神经网络与紧致型小波神经网络的诊断结果。仿真结果表明,紧致型小波神经网络用于滚动轴承的故障诊断更为有效。     

自动化加工中刀具破损监控系统的研究

目的 解决自动化加工过程中刀具破损监控实用性差和可靠性低的问题,方法 依据刀具破损的声发射信号特征,使用硬件电路实现双阈值判别法,并采用特殊的抗干扰措施和对正常加工过程无任何影响的安装方案。结果 研制了相应的实时监控系统,论述了其工作原理及结构。结论 经实验证明,该系统具有较高的实用性和抗干扰性。     

改进的小波神经网络及应用

根据振动加工过程中的因素指标的关系和小波函数的特点,确定小波神经网络的结构,并利 用重心法对小波神经网络的初始值进行选取,通过实验表明,该方法是可行的,这为叠层材料振动钻削 研究提供了新的方法。     

基于模糊神经网络的小电流接地系统故障选线

小电流接地系统发生单相接地故障后,为解决传统上单一故障选线方法的局限性,文章利用信息融合技术并结合模糊系统和神经网络的特点,提出将模糊神经网络应用于配电网故障选线方法中。提取稳态时有功功率分量、暂态时衰减直流分量、基波和小波包能量熵极值作为综合选线判据,输入到模糊神经网络,再通过调整网络隶属度函数的初始参数大小,体现出在不同相角下,不同判据对故障选线判别能力的不同,能够将配网自身的特点很好地嵌入该算法中。在Matlab环境下搭建10.5kV的小电流接地系统仿真模型,仿真结果显示此方法具有选线准确率高、适应性强、灵敏度高、抗干扰能力强等优点,具有一定的可行性,能够很好地解决故障选线的难题。     

小波包能谱熵与神经网络在断路器故障诊断中的应用

提出了一种以振动信号小波包能谱熵为特征量的断路器故障神经网络诊断方法。利用小波包分解原理将高压断路器振动信号分解到不同频段中,计算各频段的能谱熵值,以此构造小波包能谱熵向量作为神经网络的输入向量,并利用遗传算法对网络的连接权值进行了优化。引入置信度的概念,对改进神经网络输出的故障模式识别结果进行评价。通过试验分析结果表明了该方法的有效性,改进后的神经网络具有新故障模式的识别功能。     

刀具切削状态模糊性及识别方法

论述刀具切削状态识别过程中存在的模糊问题及识别方法。方法对刀具切削状态模糊性进行了理论分析,将模糊划分理论与神经网络识别方法相结合,给出神经网络非线性映射作用一般扩展原理的推论以及模糊模式识别及推理规则;结果对不同切削负载,给出相应模糊推理机制和模糊判别规则。