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．     

钢花管中低频纵向导波模态传播特性的数值仿真

钢花管是管棚超前支护中的核心承力构件.采用有限元仿真分析了低频纵向导波模态在钢花管中的传播特性和检测能力.建立带注浆小孔的钢花管中低频纵向导波模态传播的有限元模型.选取频率30kHz的L(0,2)模态用于钢花管检测.当注浆小孔直径为10mm时,孔数的变化对频率30kHz的L(0,2)模态第一次和第二次端面回波信号幅值影响较小.但随着孔数增加,该模态的群速度呈线性下降,每增加1个孔,该模态的群速度下降0.76m/s.研究孔数不变时孔径对频率30kHz的L(0,2)模态传播能力和传播速度的影响,结果显示孔径变化对该模态的能量传播影响较小.孔数和孔径对端面回波幅值影响较小,表明低频纵向超声导波具有对钢花管进行长距离检测的潜力.然而,随着孔径的增加,该模态的群速度也逐渐下降,但下降幅度不一致.研究结果为将低频纵向模态应用于钢花管结构的无损检测奠定了一定的基础.     

机器故障诊断模糊分类规则的归纳学习

机器状态的有效监控是机器安全运行,提高系统生产效率的重要途径,由于环境的复杂性与不确定性,现有机器故障诊断系统的可靠性还不能满足应用要求,为此近来年发展了模糊诊断技术,对于模糊系统而言,其关键问题在于如何获得解决具体问题的模糊知识或规则,为此提出了一种被称为模糊归纳学习的学习方法,并利用模糊信息熵概念建立了从不确定信息数据中归纳模糊规则的学习准则,实验结果表明,利用所提出的模糊归纳学习方法所获得的模糊规则能不确定怀数据进行有效分类,从而能有效地提高机器故障诊断系统的与可靠性。     

基于小波包与模糊神经网络的刀具状况监控

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,建立了正适应特征提取方法,为模型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