基于广义维数与优化BP神经网络的刀具磨损量预测  

Prediction of Tool Wear Based on Generalized Dimensions and Optimized BP Neural Network

作　　者：张锴锋[1] 袁惠群[2] 聂鹏[3] 

机构地区：[1]东北大学机械工程与自动化学院,辽宁沈阳110819 [2]东北大学理学院,辽宁沈阳110819 [3]沈阳航空航天大学机电工程学院,辽宁沈阳110136

出　　处：《东北大学学报（自然科学版）》2013年第9期1292-1295,共4页Journal of Northeastern University(Natural Science)

基　　金：国家高技术研究发展计划项目(2012AA040104)

摘　　要：根据多重分形理论,采用改进的盒计数法计算了切削加工过程中声发射(AE)信号的广义分形维数,得到了不同刀具磨损状态下AE信号的广义维数谱,分析了广义维数与刀具磨损量之间的关系.以广义分形维数以及切削加工参数为特征,进行归一化处理后作为BP神经网络输入向量;采用遗传学算法,对BP神经网络的初始权值和阈值进行了优化,利用优化后的神经网络对刀具磨损量进行预测.测试结果表明,该方法可以较精确地预测刀具磨损量,平均预测误差为0.01 mm.Based on multi-fractal theory,the generalized fractal dimensions of acoustic emission（AE） signals during cutting process were calculated using improved box-counting method.The generalized dimension spectrums of AE signals under different tool w ear conditions w ere obtained,and the relationship betw een tool w ear quantity and generalized dimensions w as analyzed.Together w ith cutting process parameters,the generalized fractal dimensions w ere taken as the input vectors of BP neural netw ork after normalization.The initial w eight and bias values of BP neural netw ork w ere optimized w ith genetic algorithm w hich w as used to predict the tool w ear quantity.The test results show that the method can be effectively used for the prediction of tool w ear,and the mean prediction error is 0.01 mm.

关 键 词：广义分形维数 BP神经网络 刀具磨损 预测 遗传算法 

分 类 号：TH164[机械工程—机械制造及自动化]