砂轮磨损的智能监测的研究设计说明书.doc
毕业论文砂轮磨损的智能监测的研究学生姓名所学专业机械设计制造及其自动化班级学号指导教师盐城工学院机械工程系二三年六月目录0引言11砂轮磨损状态的智能监测的系统研究及方法31.1多传感器信息融合方法31.2信号处理与特征提取41.3实现多传感器信号融合与识别决策人工神经网络62ART-2神经网络的结构及数学推导82.1ART-2神经网络的特点82.2ART-2神经网络的结构及综合评价93ART-2神经网络的软件实现153.1实现过程153.2ART-2算法183.3程序编制203.4调试过程203.5结果分析203.6程序性能说明213.7交互界面应用程序214实验系统及数据分析244.1实验系统及方法244.2磨削火花信号分析及特征提取254.2.1火花信号机理254.2.2信号分析特征提取264.2.3时域分析274.3磨削声音信号分析及特征提取274.4顶尖法向振动信号分析及特征提取285监测系统模型及试验295.1监测系统模型295.2样本识别结果306结论31致谢32参考文献33附件清单35摘要本文研究了自动化加工过程中对砂轮磨损状态进行智能识别的一种新方法,即在磨削过程中利用多路传感器获取多路信号,输入计算机提取特征向量,利用自适应共振神经网络-ART2建立的模型对数据进行融合并对砂轮状态进行智能识别。文中介绍了ART2网络的特点、工作原理和对通过多路传感器所获得的实验数据进行融合的方法及数据处理的步骤,并给出了具体的实现过程;同时对ART2网络结构作了讨论,为了保证网络在应用中的稳定性,给出了一种新型的网络结构和算法。研究结果表明,应用改进后的ART网络对砂轮磨损状态进行智能监测是可行的,该网络具有较强的信号模式识别能力,实验中识别率可以达到92%以上。关键词:ART2神经网络砂轮磨损状态识别人工智能多传感器数据融合AbstractInthispaper,anewmethodisintroducedtostudytheartificialintelligentrecognitionofthegrindingwheelsstateinautomaticmanufacturingprocess,i.e.inputthemulti-signaldatawhichgotbythemulti-sensorsintocomputerandabstractthespecialfeatures,meanwhilefusethedata,recognizeintelligentlybyerectingART2modelandthengivethegrindingwheelsstate.Thecharacter,mechanismofART2andthemethodoffusingdatagotbymulti-sensorsareanalyzed,atthesametimethestepofachievingthesystemisalsogot.BecauseoftheborndefaultofART2network,anotherstructureisraisedtoovercomeitbyusingnewalgorithmandframe.TheresultofthispaperindicatedthattheartificialintelligentrecognitiontothegrindingwheelsstateviatheART2neuralnetworkisworkable,thisnetworkhasastrongerabilitytorecognizethesignals,andtheprobabilityisupto92%.Keywords:ART2NeuralNetworkGrindingWheelBluntingStateIdentificationAIMulti-sensorDataFusion