基于小波包和概率神经网络的刀具破损自适应报警方法

摘要

基于小波包和概率神经网络刀具破损自适应报警方法，先把声发射传感器固定到刀杆上，采集声发射信号，进行三层小波包分析，选取特征频带并取其均方根值，将均方根值进行归一化处理得到平滑因子和先验概率，利用概率神经网络建立刀具破损状态概率模型，根据模型和拉依达准则确定刀具磨损状态的报警值，形成一条动态报警线，依据该动态报警线，进行刀具运行状态的自适应报警监测，本发明能够找出与刀具磨损相关的均方根值的概率分布曲线，用数理统计的方法确定报警值，随着刀具磨损状态变化形成动态报警线，不会出现漏报和误报。

主权项

基于小波包和概率神经网络刀具破损自适应报警方法，其特征在于：包括以下步骤：第一步，先将固定声发射传感器的刀杆部位打磨，涂抹黄油，然后把声发射传感器固定到刀杆上，采用基于Labview的声发射信号数据采集程序，通过PCI卡采集声发射信号；第二步，将采集到的声发射信号进行三层小波包分析，将各组信号分解到八个频段上去，即0～124khz，125～249khz，250～499khz，500～549khz，550～599khz，600～649khz，650～699khz，700～749khz，其中125～249khz和250～499khz两个频带能量最大，选取其为信号的特征频带，并取特征频带的均方根值；第三步，将均方根值先进行归一化处理，再进行相同值处理，用相异值得到平滑因子，用相同值得到先验概率；第四步，基于Bayes理论假设各个样本的先验分布均相等，利用概率神经网络建立刀具破损状态概率模型；第五步，根据刀具破损状态概率模型和拉依达准则确定刀具磨损状态的报警值，随着切削的运行，历史数据增多，报警阈值不断变化，形成一条动态报警线，依据该动态报警线，进行刀具运行状态的自适应报警监测。