基于粗糙集模糊神经网络的微孔钻削在线监测研究

论文摘要

本文以吉林省自然科学基金项目“微孔钻削力在线监测”为研究背景,研制了以主轴电机三相电流为监测对象的微孔钻削在线监测系统,提出了利用粗糙集模糊神经网络对微孔钻削过程进行在线实时监测的方法,用以预防微钻头的折断。本文研制的微孔钻削在线监测系统,其硬件主要包括数据采集和伺服控制系统,软件以LabVIEW为编程环境,实现对信号的采集、数据处理和对主轴进给运动的伺服控制。本文分别建立了BP神经网络和模糊神经网络监测模型,经分析论证,提出把粗糙集理论与模糊神经网络有机结合起来对微孔钻削过程进行在线实时监测的方法。利用粗糙集理论从训练样本中提取、精简规则集,去除规则集中的冗余信息;利用约简后的规则构造模糊神经网络的结构,使网络结构更加简单,易于理解,缩短了网络的训练时间,解决了规则爆炸问题,提高了网络的学习效率。论文通过实验获取样本数据,对粗糙集模糊神经网络进行训练和测试,利用训练后的神经网络对微孔钻削过程进行在线监测实验,其监测过程为:将实时采集的主轴电机三相电流信号输入到构造好的粗糙集模糊神经网络,网络输出与给定的监测阈值做比较,若输出小于阈值则继续钻削,若输出大于等于阈值则报警退刀。结果表明,适当选择监测阈值,可以有效避免微钻头的折断,从而验证了用粗糙集模糊神经网络来进行微孔钻削在线监测的可行性和有效性。

论文目录

• 提要
• 第一章 绪论
• 1.1 课题研究的目的及意义
• 1.2 在线监测研究概述
• 1.2.1 特征参数的选择
• 1.2.2 刀具磨损状态的识别方法
• 1.3 国内外研究现状及发展趋势
• 1.3.1 研究现状
• 1.3.2 发展趋势
• 1.4 论文主要研究内容
• 第二章 在线监测系统设计
• 2.1 监测系统总体设计
• 2.2 在线监测硬件系统设计
• 2.2.1 传感器的确定
• 2.2.1.1 切削力监测法
• 2.2.1.2 主轴电机电流监测法
• 2.2.2 数据采集卡
• 2.2.3 单片机控制系统设计
• 2.2.3.1 步进电机驱动电路
• 2.2.3.2 单片机伺服控制单元
• 2.3 基于虚拟仪器技术的软件系统设计
• 2.3.1 虚拟仪器及 LabVIEW
• 2.3.2 软件功能设计
• 2.3.2.1 串行通讯模块
• 2.3.2.2 数据采集模块
• 2.3.2.3 显示存储模块
• 2.3.2.4 信号分析模块
• 2.3.2.5 报警退刀模块
• 2.4 本章小结
• 第三章 神经网络监测模型设计
• 3.1 人工神经网络智能监测理论
• 3.1.1 人工神经网络概述
• 3.1.2 人工神经网络的结构
• 3.1.3 神经元的工作方式
• 3.1.3.1 学习方式
• 3.1.3.2 学习规则
• 3.1.4 BP神经网络
• 3.2 BP 神经网络监测模型建立
• 3.2.1 网络结构及参数选择
• 3.2.2 网络训练
• 3.3 本章小结
• 第四章 基于模糊神经网络的智能监测技术研究
• 4.1 模糊控制智能监测理论
• 4.1.1 模糊数学和模糊集合
• 4.1.2 模糊系统
• 4.1.2.1 模糊化
• 4.1.2.2 知识库
• 4.1.2.3 模糊推理
• 4.1.2.4 解模糊
• 4.2 模糊神经网络
• 4.3 模糊神经网络监测模型的建立
• 4.4 本章小结
• 第五章 基于粗糙集模糊神经网络的微孔钻削在线监测
• 5.1 粗糙集理论基础
• 5.1.1 知识表达系统
• 5.1.2 粗糙集的上近似、下近似和范畴
• 5.1.3 连续属性的离散和约简
• 5.1.3.1 连续属性离散
• 5.1.3.2 知识约简与核
• 5.1.4 差别矩阵与差别函数
• 5.2 粗糙集模糊规则约简
• 5.2.1 规则提取及属性约简
• 5.2.2 规则约简
• 5.3 粗糙集模糊神经网络模型
• 5.3.1 网络结构
• 5.3.2 学习算法
• 5.3.3 算法的改进
• 5.3.4 网络学习
• 5.4 监测实验
• 5.5 本章小结
• 第六章 结论与研究展望
• 参考文献
• 攻读博士学位期间发表的学术论文
• 致谢
• 摘要
• Abstract