基于本征模函数和广义回归网络的刀具声发射信号诊断  

Acoustic emission for tool fault diagnosis using intrinsic mode function and general regression neural network

作　　者：王宇[1] 喻俊馨[1] 钟雯[1] 刘小莹[1] 宋春华[1] 

机构地区：[1]西华大学机械工程与自动化学院,四川成都610039

出　　处：《制造技术与机床》2015年第6期80-83,共4页Manufacturing Technology & Machine Tool

基　　金：国家自然科学基金资助项目(51305357);四川省教育厅科学研究项目(13ZB0018);西华大学重点科研基金资助项目(Z1120225);西华大学重点实验室开放研究基金资助项目(SZJJ2012-024)

摘　　要：针对刀具加工声发射信号非平稳特点,提出基于本征模函数和广义回归神经网络的刀具切削声发射信号故障诊断方法。该方法对刀具声发射信号进行经验模态分解,抽取本征模函数,并计算各阶模函数能量分布,提取特征向量作为神经网络的输入,利用果蝇算法优化广义回归神经网络径向基函数分布系数。试验结果证明了该方法的有效性和稳定性。This paper presents the use of non-stationary acoustic emission（ AE） signals in order to detect cutter tool fault. The new method,empirical mode decomposition（ EMD）,fruit fly optimization algorithm（ FOA） and generalized regression neural network（ GRNN）,are applied to the cutter tool fault monitoring. The energy distribution features of the intrinsic mode functions calculated by EMD are used as inputs to the GRNN. Then a FOA is applied to optimize the radial basis function distribution coefficient in order to improve the classification accuracy. Finally,experiments using actual AE signals of cutter tool fault are carried out. The results demonstrate the proposed method can be efficiently applied to tool fault detection in practice.

关 键 词：声发射 果蝇算法 广义回归神经网络 本征模函数 刀具故障诊断 

分 类 号：TH165.3[机械工程—机械制造及自动化] TP206.3[自动化与计算机技术—检测技术与自动化装置]