机械设计与研究 ›› 2020, Vol. 36 ›› Issue (02): 83-86.doi: 10.13952/j.cnki.jofmdr.a5145

• 论文 • 上一篇    下一篇

基于BP神经网络的超声振动钻削钻头磨损状态监测试验研究

赵京鹤;刘宏岩;胡晶;   

  1. 长春光华学院机械工程学院;长春大学机械与车辆工程学院;
  • 出版日期:2020-04-26 发布日期:2020-04-26

  • Online:2020-04-26 Published:2020-04-26

摘要: 搭建了超声轴向振动钻削钻头磨损状态的钻削力和声发射信号采集系统,采集不同磨损状态下钻中区域的钻削力和声发射信号进行小波分解,得到与钻头磨损状态相关的特征量作为识别钻头磨损状态的特征参数,输入到建立的6-13-3的三层BP神经网络模型中进行融合,识别钻头磨损状态。试验结果表明,通过BP神经网络技术将钻削力和声发射信号融合识别钻头磨损的准确率约88.9%,能够有效监测钻头磨损状态。

关键词: 钻头磨损状态, 声发射信号, BP神经网络, 小波分解

Key words: wear state of drill bit, AE signal, BP neural networkl, wavelet decomposition