导 师: 郑启伦;陈统坚
学科专业: H1203
授予学位: 硕士
作 者: ;
机构地区: 华南理工大学
摘 要: 刀具状态智能识别是加工过程监控技术朝智能化、集成化方向发展的重要内容之一.对刀具状态智能检测并监控,可以减少废品生产,降低制造成本,减少对制造环境的危害,提高生产效率,保证产品质量,有利于组织自动化生产,是实现加工系统切削参数的自适应控制与优化的基础.由于刀具状态具有非线性、时变性和不确定性,使得传统的基于精确数学模型的统计模式识别方法难于获得理想的效果,而模糊模式识别、神经网络与模糊神经网络识别能有效地解决这些问题.该文首先阐述了基于回归技术的神经网络模糊聚类识别检测刀具磨损状态的方法,利用回归技术而非传统的bp算法调节权重值,学习速度快,且可以在线学习识别,以适应切削环境的变化.接着该文提出了基于样本聚类模糊神经网络实时识别刀具磨损状态的方法,该fnn网络模型利用k-means样本聚类算法自动提取模糊规则,结构简单,计算简便,采用改进的bp学习算法收敛速度快,精度高.最后该文综合了不同检测信号及建模方法对刀具磨损状态的识别结果,采用模糊推理的方法融合各信息,获得比较精确的刀具磨损状态值.
关 键 词: 人工智能 模式识别 模糊逻辑 神经网络 模糊神经网络 刀具状态智能识别
分 类 号: [TP391.4]
领 域: [自动化与计算机技术] [自动化与计算机技术]