基于人工神经网络的刀具状态识别系统——开题报告

本科生本科生毕业设计（论文）开题报告毕业设计（论文）开题报告 题 目： 基于人工神经网络的刀具状态识别系统 学 院： 信息工程学院 系 电气与自动化工程系 专 业： 测控技术与仪器 班 级： 测仪 学 号： XXXXXX 姓 名： XXXX 指导教师： XXX 填表日期： 年 月 日 1 一、选题的依据及意义一、选题的依据及意义 随着自动化程度的不断提高，带来了许多工业问题，其中的刀具磨损， 破损一直受到人们的关注。 金属切削过程中的刀具磨损是不可避免的现象，它给自动化加工带来了 诸多不良影响，特别是刀具的磨损直接影响工件的加工精度和表面粗糙度。 刀 具破损时不仅影响工件品质、 生产效率，严重时甚至会影响整个加工系统的运 行和操作人员的安全，造成难以估量的损失。 因此，刀具状态是影响加工品质 的主要因素之一，而刀具状态是有可能通过在线监控来实现实时识别和做出 适当反应和调节的。 因此，在切割的过程中对刀具的状态进行检测具有很深远的意义。 此外， 刀具加工状态检测技术的运用，对企业经济效益的提高会有很大的帮助，具 有以下的一些意义： 1）降低废品率和加工成本，提高工件的加工品质； 2）减少设备的停机时间，提高设备的利用率和生产率； 3）防止机床事故，最大限度地保证机床加工系统地安全性； 4）实现工厂自动化，最大限度地减少人对机床地干预。 2、国内外研究现状及发展趋势国内外研究现状及发展趋势 几十年来，国内外学者都在致力于力图寻求某一阈值作为状态识 别的依据 这方面的研究。 但由于刀具磨损的复杂性、 随机性和不确定性，使阈值设置困难、 不能适应加工条件多变的自动化场合，因此进展不大。 但是，一般偏重于算法研究，如采用从理论上计算刀具所受应力的变化来 判 别刀具状态，有采用时序分析的方法对刀具进行监测等，这些方法主要从理 论上进行探讨适合实际变化的生产条件。 人工神经网络的出现，为刀具状态的 分析提供了一种有效的新途径。 神经网络的实现方式有很多方法，后文所用方法 可方便、高效、直观的实现结果显示，这是刀具磨损状态分析的良好平台和实现 方法。 20世纪90年代以来，智能自动化制造技术逐渐成为制造业的关键技术，其 中基于神经网络智能检测，故障诊断、 识别、 设计和优化等技术日趋受到重视。 人 工神经网络具有快速、 全面的信息综合处理能力，可以克服单一阙值的片面性判 断。 它具有很强的歇息学习能力，使其改变了传统的繁杂的建模过程，更主要的 是他可应用到条件多变的生产实际当中。 从近况来看，人工神经网络的研究还有很大的发展空间，以后的研究也将 2 会朝着更深更广的领域开展，因此也产生了多种算法的需要，因此要求研究人 员具有广泛而又扎实的基础，需要具有应对多种现象的能力。 三、三、本课题研究内容本课题研究内容 基于神经网络的刀具状态识别系统的实现过程大致为： （1）在众多种输入中选择较为简单的输入，如：刀具图片、 震动信号、 工作 功率等。 （2）在此准备选用刀具震动作为采集信号，从而得到输出信号。通过选用 适当型号加速度传感器来对刀具转轴上某一固定点进行震动信号采集，然后加 速度传感器对它数据进行转化成一个模拟信号，从而作为神经网络结构的一个 输入信号； （3）下一步就是建立设计一个神经网络结构来对输入信号进行处理得到一 个对应的输出，根据得到的输出来分析得到刀具对应的状态。 这样就达到了对刀 具状态的实时识别的目的。 （4）神经网络结构建立好，还得选用合适的学习算法，通过 python 软件 编写程序对其进行内部参数的更新和确认，使其成为一个完整成熟并且适用的 结构。 在本课题中，主要研究内容有 2个方面：震动信号的采集、神经网络 结构的设计建立。 四、本课题研究方案四、本课题研究方案 1.震动信号的采集 功能描述：该过程是首先通过加速度传感器把震动信号采集到，然后把采 集到的信号转化为系统能识别的特征向量作为输入信号，达到规范输入的目的。 加速度传感器的选型：不同的加速度传感器，有不同的参数选取，所以这 里我们也需要对加速度传感器进行一个合适的选型，这样我们通过它采集到的 信号才能更加准确精准。 结构设计：主要由python+Keras 包来实现数据的输入与识别。 2.神经网络结构的设计建立 其主要步骤为： （1）在识别所需识别的系统时，先给系统多个输入，此输入为处理转换过 的加速度传感器采集到的信号，并加上标签，让系统来正定自己的内部参数; （2）找到一个算法可以对应所有的输入输出; （3）通过采用合适的神经网络 算法 ，这 里我 们才用最 常见且广泛的 3 Backpropagation 算法，对多组输入数据进行不停循环计算，并最终确定神经网 络结构各单元之间的权重和偏向值，从而得到一个训练好的神经网络。 3.下图是我设计的一个初始方案总体框图 5 5、 研究目标、主要特色及工作进度研究目标、主要特色及工作进度 研究目标研究目标：主要解决自动化加工过程中刀具状态识别的问题，达到实时识别 刀具状态的作用，提高工作效率与保证操作人员的安全及减轻其负担。 主要特色主要特色：通过 BP 神经网络来进行控制、检测自动化、实时快速反应 工作进度工作进度： 序号各阶段工作内容起讫日期 1收集资料、阅读文献2017-3-12017-3-15 2写开题报告、外文资料翻译2017-3-152017-3-31 3神经网络的深度学习2017-4-012017-4-15 4Matlab、python 等软件的学习2017-4-162017-4-26 5系统的整体设计加程序2017-4-272017-5-11 6撰写、修改论文2017-5-122017-5-25 7论文答辩2017-5-26201