基于声发射技术的砂轮磨损状况在线检测

为了实现砂轮磨损状态在线检测,提高砂轮磨损状态检测的准确性,研究了法向磨削力与砂轮磨损的对应关系;利用小波分解系数统计法对声发射(AE)信号进行了分析;把法向磨削力和统计小波分解系数的特征作为识别砂轮磨损状态的参数指标,建立了基于神经网络(BP)的砂轮磨损状态识别模型。实验结果表明,该方法可以辨识出砂轮的磨损状态,并且具有较高精度。     

支持向量机在刀具磨损多状态监测中的应用

基于多传感器信号、采用多分类支持向量机(support-vector-machine,SVM)实现了刀具监测的多状态辨识.通过对切削过程中的多向切削力和振动信号等多传感器信息进行分析,分别获得时域、频域和小波域的信息作为磨损分类特征;同时,运用基于一对多(one-versus-all,OVA)的多分类支持向量机对刀具不同磨损状态下的特征数据样本进行训练和识别.对切削过程中不同磨损状态的分类结果表明,多分类支持向量机具有出色的学习能力,能够实现在小样本情况下的不同磨损阶段分类,并具有较高的识别精度.     

考虑变换域融合方法的刀具磨损区域三维重构

针对数控机床加工领域刀具磨损区域的三维重构精度提高的问题,提出了变换域融合方法。将非下采样轮廓波变换和小波变换相结合,对非下采样轮廓波变换得到的低频系数采用小波变换方法进行融合,对得到的高频系数构造区域方差进行融合,突出刀具磨损图像的整体灰度信息和边缘细节信息,从而获得更为清晰的二维刀具图像,以及更为准确的磨痕形貌及磨痕体积。对基于非下采样轮廓波变换、小波变换方法和变换域融合方法得到磨损区域三维形貌和磨损体积与显微镜的观察结果进行了对比分析,发现提出的方法得到的三维形貌与显微镜结果最接近,且计算出的磨损体积平均相对误差小于10%。分析和实验数据表明,所提方法无论在图像的清晰度和磨损体积的准确性方面都有一定的优势,该方法对于刀具磨损区域三维重构精度较高,优于单独采用非下采样轮廓波变换和小波变换方法得到的结果。     

小波包分析在乏燃料剪切机故障诊断中的应用

针对乏燃料剪切机剪切声音信号特征提取的难题,利用小波包分析方法,对不同磨损状况刀具的剪切声音信号进行小波包变换,提取变换信号的各频段归一化能量特征向量,根据声音信号的能量特征向量可辨识不同状况的乏燃料剪切机剪切声音,从而实现乏燃料剪切机故障诊断.实验表明,该特征向量能有效识别刀具的正常磨损、一级磨损、二级磨损三种状况,有效解决了基于隐马尔可夫模型的故障模式识别中特征提取的问题.     

基于VMD-CWT和CNN数控机床刀具健康诊断方法的研究

在数控机床切削过程中,刀具的健康状况直接影响产品的加工质量。因此,为了对刀具的健康状态作出诊断评价,本文提出了一种基于变分模态分解（VMD）和连续小波变换（CWT）特征提取与卷积神经网络（CNN）的刀具健康诊断方法。该方法首先采集不同健康状态下的刀具在切削时的振动信号,然后经VMD分解成若干IMF分量,并求解每个IMF分量的相关系数,选取相关系数较大的分量进行信号重构;其次采用连续小波变换来构造重构信号的时频图;最后将得到的时频图输入构建的CNN模型中,通过多层卷积、池化处理得到信号特征与刀具健康状态之间的准确映射,进而实现刀具的健康诊断。经实验验证表明,本文所提方法的识别准确率达到98.9%,具有良好的状态识别能力和泛化性,可为刀具健康诊断方法提供一定的理论依据。     

基于小波变换的雷达信号特征提取方法

基于小波变换,提出了一种提取雷达信号特征的方法。通过对雷达信号进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样就得到了雷达信号的特征。通过目标识别实验,证明本文提出的方法是有效的。     

基于模糊神经网络的刀具磨损识别

为了实现刀具磨损状态的自动识别，采用机床功率法进行了刀具自然磨损和不同切削参数（切削速度、进给量和切削深度）对功率信号影响的实验。在此基础上，建立了功率信号的时序AR模型。在提取作为刀具磨损特征量的AR模型参数时，考虑了切削用量对模型参数的影响，提出了特征量选取的准则，使所提取的特征量更加实用化，通过具体自学习和良好函数逼近能力的神经网络获得了特征量对刀具状态的隶属函数，并利用模糊神经网Fuzzy ART实现了刀具磨损状态的自动识别，识别正确率为95%，说明所提出的方法是有效可行的。     

小波分析在管道泄漏信号识别中的应用

利用多尺度小波变换 ,把管道泄漏产生的负压波信号作为瞬态信号 ,来识别管道的局部泄漏特征。以光滑函数的一阶导数作为小波母函数 ,研究了管道泄漏特征信号拐点区间的敏感性 ,突出小波变换系数的局部极值性。分析表明 ,检测信号的小波变换系数极值的奇异性准确地反映了管道检测信号的泄漏特征 ,并且从局部描述了管道泄漏信号的瞬态正则性。对各级尺度系数进行了S形曲线拟合 ,此曲线能够完整地描述管道泄漏瞬变特征 ,其拐点区间描述了管道发生泄漏时的瞬变过程。     

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。     

用于监测刀具磨损的声发射(AE)特征优选方法

研究合理选择声发射信号特征以实现实时监测刀具磨损量。利用模糊聚类特征优选方法对声发射传感器特征信息进行优选,并在此基础上给出了模糊聚类优声发射特征的一般结论。给出了声发射信号的模糊聚类优选方法的优选特征,并在实时检测刀具磨损量的实验中得到验证。实验表明,利用模糊聚类特征优选方法能有效地对刀具磨损监测中的声发射特征进行了优选。     

基于RBF网络的Takagi—Sugeno模糊控制器参数获取

ＲＢＦ网络是一种广泛应用的神经网络模型,而Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊推理规则是一种简化的模糊推理规则,两种方法的起源不同。文中分析了在一定条件下,ＲＢＦ网络与简化的Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊推理规则的函数等效性,揭示了网络权值与推理规则参数的对应关系,从而为两种方法的互换使用奠定了理论基础。在此基础上,提出了使用ＲＢＦ网络在实时控制过程中为一些复杂的被控对象获取Ｔａｋａｇｉ－Ｓｕｇｅｎｏ型     

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．     

Takagi - Sugeno Fuzzy PID Gain - Scheduling Controllers

This paper aims at Takagi - Sugeno (TS) fuzzy controllers as gain scheduling (GS) schemes of PID controllers. A TS fuzzy controller employs arbitrary input fuzzy sets, product or Zadeh fuzzy logic AND, TS fuzzy rules with linear consequent, and the generalized defuzzifler containing the popular centrold defuzzifler as a special case. We first establish the relationship between the TS fuzzy controller and the linear PID controller. The TS ftizzy controller is accurately a nonlinear PID controller with gains continuously changing with Its process output. Then we point out that the TS fuzzy controller is closely related to the traditional gain scheduler. The gains of the TS ftizzy controller are determined by three two - Input - one - output fuzzy systems with singleton output fuzzy sets. Finally, as a demonstration, a simple TS fuzzy controller employing two linear input fuzzy sets, Zadeh fuzzy logic AND, and the popular centrold defuzzifler is designed to be the gain scheduler for the PID controller. Com     

一种新型的TS-PID模糊控制方法

基于Takagi和Sugeno的确定性模糊控制,提出了一种变参数模糊PID控制方法.该控制器的参数调整也采用确定性模糊调整规则,从而使控制器的设计简单、容易,同时与一般的参数自适应相比具有很强的适应性和鲁棒性.仿真结果表明,该控制器明显地改善了控制系统的动态性能.     

一类基于PID控制的新型模糊控制方法

研究了一类基于模糊规则的变参数 PID控制方法 .对于模型未知对象 ,常规 PID控制器参数的调节一般要基于一些语言信息的经验知识 ,这对 PID参数的调节带来一定的困难 .模糊控制在处理语言信息方面具有一定的优势 ,因此将模糊控制和 PID控制方法相结合组成一种复合控制器的设计是可行的 .采用 TS模糊模型 ,给出了一类给予模糊规则的变参数 PID控制器的设计 .这种控制方法兼备模糊控制与 PID控制优点 ,具有广泛的应用价值     

基于改进人工蜂群算法和极限学习机的刀具磨损监测

为了提高机械切削加工中刀具磨损量的实时监测精度,运用极限学习机建立刀具磨损监测模型,提出一种引入虚拟蜂的改进人工蜂群算法,对极限学习机随机产生的输入层权值和隐含层阈值进行优化。采用时域分析和经验模态分解,提取铣削加工中的切削力信号、振动信号以及声发射信号的时域特征和内禀模态能量比,从中选出对刀具磨损敏感的特征作为监测特征。利用建立的监测模型计算得到刀具磨损值,实验结果表明,优化后的极限学习机能够准确地预测刀具磨损值,且具有更简单的网络结构,同时改进后的蜂群算法也表现出了更好的寻优能力。     

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。     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.