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001mm.
中图分类号:
张锴锋,袁惠群,聂鹏. 基于广义维数与优化BP神经网络的刀具磨损量预测[J]. 东北大学学报(自然科学版), 2013, 34(9): 1292-1295.
ZHANG Kaifeng, YUAN Huiqun, NIE Peng. Prediction of Tool Wear Based on Generalized Dimensions and Optimized BP Neural Network[J]. Journal of Northeastern University, 2013, 34(9): 1292-1295.