简介：摘要：由于刀具磨损状态对加工质量影响较大，提出了一种基于单隐含层前馈神经网络——ELM的刀具磨损状态在线监测方法。根据铣削刀具的实时工况数据，采用统计分析、快速傅里叶变换和小波变换多种特征提取方法，提取出34个对刀具磨损敏感的时域、频域、时频域混合特征。将提取的特征与磨损量输入极限学习机网络框架中进行训练得到ELM模型，把测试集特征放入ELM模型进行预测评估，得到对应的预测刀具磨损量及剩余走刀次数。通过与SVR和遗传算法优化BP神经网络的预测结果比较发现，ELM具有学习速度快、预测精度高、泛化能力强的显著优势，能实现刀具磨损状态的在线监测。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
