砂輪磨損的智能監(jiān)測的研究設(shè)計(jì)說明書.doc

畢業(yè)論文砂輪磨損的智能監(jiān)測的研究學(xué)生姓名所學(xué)專業(yè)機(jī)械設(shè)計(jì)制造及其自動化班級學(xué)號指導(dǎo)教師鹽城工學(xué)院機(jī)械工程系二三年六月目錄0引言11砂輪磨損狀態(tài)的智能監(jiān)測的系統(tǒng)研究及方法31.1多傳感器信息融合方法31.2信號處理與特征提取41.3實(shí)現(xiàn)多傳感器信號融合與識別決策人工神經(jīng)網(wǎng)絡(luò)62ART-2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及數(shù)學(xué)推導(dǎo)82.1ART-2神經(jīng)網(wǎng)絡(luò)的特點(diǎn)82.2ART-2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及綜合評價(jià)93ART-2神經(jīng)網(wǎng)絡(luò)的軟件實(shí)現(xiàn)153.1實(shí)現(xiàn)過程153.2ART-2算法183.3程序編制203.4調(diào)試過程203.5結(jié)果分析203.6程序性能說明213.7交互界面應(yīng)用程序214實(shí)驗(yàn)系統(tǒng)及數(shù)據(jù)分析244.1實(shí)驗(yàn)系統(tǒng)及方法244.2磨削火花信號分析及特征提取254.2.1火花信號機(jī)理254.2.2信號分析特征提取264.2.3時(shí)域分析274.3磨削聲音信號分析及特征提取274.4頂尖法向振動信號分析及特征提取285監(jiān)測系統(tǒng)模型及試驗(yàn)295.1監(jiān)測系統(tǒng)模型295.2樣本識別結(jié)果306結(jié)論31致謝32參考文獻(xiàn)33附件清單35摘要本文研究了自動化加工過程中對砂輪磨損狀態(tài)進(jìn)行智能識別的一種新方法，即在磨削過程中利用多路傳感器獲取多路信號，輸入計(jì)算機(jī)提取特征向量，利用自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)-ART2建立的模型對數(shù)據(jù)進(jìn)行融合并對砂輪狀態(tài)進(jìn)行智能識別。文中介紹了ART2網(wǎng)絡(luò)的特點(diǎn)、工作原理和對通過多路傳感器所獲得的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行融合的方法及數(shù)據(jù)處理的步驟，并給出了具體的實(shí)現(xiàn)過程；同時(shí)對ART2網(wǎng)絡(luò)結(jié)構(gòu)作了討論，為了保證網(wǎng)絡(luò)在應(yīng)用中的穩(wěn)定性，給出了一種新型的網(wǎng)絡(luò)結(jié)構(gòu)和算法。研究結(jié)果表明，應(yīng)用改進(jìn)后的ART網(wǎng)絡(luò)對砂輪磨損狀態(tài)進(jìn)行智能監(jiān)測是可行的，該網(wǎng)絡(luò)具有較強(qiáng)的信號模式識別能力，實(shí)驗(yàn)中識別率可以達(dá)到92%以上。關(guān)鍵詞：ART2神經(jīng)網(wǎng)絡(luò)砂輪磨損狀態(tài)識別人工智能多傳感器數(shù)據(jù)融合AbstractInthispaper,anewmethodisintroducedtostudytheartificialintelligentrecognitionofthegrindingwheelsstateinautomaticmanufacturingprocess,i.e.inputthemulti-signaldatawhichgotbythemulti-sensorsintocomputerandabstractthespecialfeatures,meanwhilefusethedata,recognizeintelligentlybyerectingART2modelandthengivethegrindingwheelsstate.Thecharacter,mechanismofART2andthemethodoffusingdatagotbymulti-sensorsareanalyzed,atthesametimethestepofachievingthesystemisalsogot.BecauseoftheborndefaultofART2network,anotherstructureisraisedtoovercomeitbyusingnewalgorithmandframe.TheresultofthispaperindicatedthattheartificialintelligentrecognitiontothegrindingwheelsstateviatheART2neuralnetworkisworkable,thisnetworkhasastrongerabilitytorecognizethesignals,andtheprobabilityisupto92%.Keywords: