[发明专利]一种基于神经网络的磨削加工工况检测方法

说明书

技术领域

本发明涉及机械加工领域的一种检测方法，具体说是一种基于神经网络的磨削加工 工况检测方法。

背景技术

在机械加工中，磨削加工是一种重要的加工方法，而磨削车床是实施这一加工办法 的主要工具。随着科技的发展，计算机辅助控制的磨削车床(以下简称数控磨床)逐步 得到运用。数控磨床是根据预先设定的计算机指令，按照加工图纸完成工件的加工，大 大提高了加工效率和加工精度。

但是，目前的数控磨床仍然需要较为熟练的工人操作，并由操作人员来根据工作经 验判断刀具和加工工件是否接触，以及刀具(即砂轮)是否钝化、工件是否灼伤或有裂 纹等异常状态。由于人为因素的存在，加工效率和质量常常受到影响，并可能造成工件 和刀具不必要的损毁。

发明内容

发明目的：本发明所解决的技术问题是，减少磨削加工中的人为判断因素，提供一 种基于神经网络的磨削加工工况检测方法，其可以对加工工况进行实时判断，保证加工 质量，提高加工效率，减少工件和刀具的损毁。

本发明通过多次采集标准工况下刀具和加工工件接触时的声发射信号、刀具(砂轮) 钝化时的声发射信号、工件灼伤、裂纹时的声发射信号，作为输入向量输入神经网络学 习；对应的工况信息(接触、钝化、灼伤、裂纹)作为输出信号输入神经网络学习；使 用误差反传算法可以得到该神经网络的权阈值；在神经网络的权阈值确定后，神经网络 输出模块可根据实时采集到的声发射信号计算得出当前的加工工况信息。

技术方案：为解决上述技术问题，本发明采用了如下的技术方案。

一种基于神经网络的磨削加工工况检测方法，它包括如下步骤：

(1)标准工况下，采集加工时的现场声发射信息：由声发射传感器按照预设的采 样频率f实时采集加工现场的声发射信号，声发射信号序列用X向量标记，X₁表示t₀时刻开始的第1个采样点，Xi为第i个采样点，i＝1～N，N为采样序列长度，N≥1000；

(2)建立神经网络模型：选取的神经网络模型为三层BP网络：即输入层、隐含 层和输出层；

所述神经网络输入层的输入激励函数为Sigmoid型激励函数：

f(X)=11+e-X/Q]]>......式(1)

其中，Q为Sigmoid参数，X为t₀时刻的采样序列N维向量，向量X的第i个变量 用Xi表示，i＝1～N，N≥1000；

所述神经网络的隐含层参数h：

hj=f(Σi=1NWijIXi-θj)]]>......式(2)

其中，W_ij^I为第i个输入变量到第j个隐含层节点的权重系数，θ_j为隐含层各单元的 输出阈值；

X为t₀时刻的采样序列，N维向量，向量X的第i个变量用Xi表示，i＝1～N，N≥ 1000

i为输入变量个数，i＝1～N，N≥1000；