数控机床刀具磨损监测与保护系统软件设计

为了提升刀具监测系统的准确性,提高数控机床无故障运行效率,促进加工过程无人化、自动化生产的发展,提出一种刀具维护保养系统软件的设计方法。该系统由在线刀具磨损状态监测和刀具保护系统两部分组成,两个系统可在局域网内实现相互通讯。通过修改机床的PLC程序,实现数控机床与刀具磨损状态监测系统之间的通讯,保证机床的加工数据实时地传输到监测设备,完成状态监测功能。刀具保护系统主要监控整个局域网中所有刀具监测系统的工作状态。以Qt作为软件开发框架对监测系统进行开发,并利用Android Studio开发刀具保护系统,然后进行加工试验验证。结果表明,当刀具磨损严重时,监测系统能够及时发出提醒,同时刀具保护系统也可以及时查看相应监测系统的最新信息。     

刀具补偿及编程在数控机床中的应用

主要讨论刀具补偿的概念以及在数控机床中如何使用刀具补偿功能,并通过实例说明编程应用的技巧。     

基于无线数据传输技术的数控机床振动测试系统设计

介绍了一种由SPCE061 A高性能MCU和PTR8000＋无线传输芯片组成的网络化数控机床振动信号监测系统,数据以无线的方式传送到控制中心并保存。阐述了系统的硬件电路设计和软件开发关键技术,运用LabVIEW编程语言设计控制中心图形用户界面,实现对加工过程中刀具及机床主轴振动信号采集、分析、存储与显示,并通过对采集信号的处理,设定阈值对故障预警。     

高档数控机床刀具磨损故障监测方法及实验系统

以数控机床刀具故障诊断系统构建与测试方法研究为目标,进行了刀具磨损实验。采用振动传感器、声发射传感器对切削过程中不同磨损程度刀具的信号进行检测、分析和故障诊断。以LabVIEW8.6为开发平台,开发了一套包括数据采集模块、信号分析模块、故障诊断模块的数控机床故障诊断实验系统。     

并行遗传神经网络及其在机械故障诊断中的应用

在机械故障诊断中，对并发的故障进行诊断是一个备受关注的问题。为此，提出了用并行遗传神经网络诊断并发的故障的新方法。介绍了并行神经网络的结构、遗传算法的建模原理及并行遗传神经网络的结构和诊断机理。以某大型旋转机械为诊断对象讨论了该方法的实现技术，并与传统的BP(back—propagation)网络用于故障诊断的方法进行了比较。实验仿真结果表明，该方法在训练网络过程中能够避免网络陷入局部极小，加快网络训练的速度，减少诊断时间。     

笛卡尔坐标系在数控机床中的应用

右手直角笛卡尔坐标系是数控机床的标准坐标系。以此坐标系来判别数控机床的空间几何关系以及加工过程需建立的刀具半径左、右补偿,刀具的刀尖方位和数控加工中的顺逆圆弧方式,并总结出相关实用规则。旨在说明笛卡尔坐标系的实际应用,指出数控加工人员的一些判别误区。     

基于一维卷积神经网络的螺旋铣刀具磨损监测

基于传统机器学习的螺旋铣刀具磨损监测方法需要复杂的特征提取和丰富的经验知识,不同磨损阶段具有相同的错误分类代价,针对这些问题,结合电流信号一维性特点,提出基于一维卷积神经网络(1D CNN)和代价敏感学习的螺旋铣刀具磨损监测方法. 采集机器人螺旋铣末端执行器主轴、公转轴和进给轴电流作为监测信号,并采用滑动窗口法进行样本划分,在降低网络容量的同时增加样本数量和多样性;在网络损失函数中引入代价矩阵并增加急剧磨损阶段的错误分类代价,使得1D CNN具有代价敏感性;直接将电流时域信号输入1D CNN,网络可以自动提取刀具磨损特征,并将特征提取和不同磨损阶段分类融合在一起. 试验结果表明,在机器人螺旋铣系统中,该方法的刀具磨损监测准确率为99.29%,在急剧磨损阶段的查全率为99.60%.     

刀具磨损的切削力监测

本文用动态分析的方法，对切削力与刀具磨损的内在联系进行了一些理论探索和实验考查，提出了切削力监测刀具磨损的新方法：频段均方值法．经实验、离线分析，该方法可以准确、及时、可靠地监测刀具磨损状态．     

Kalman滤波在刀具磨损预测模型中的应用

基于LS-SVM建立刀具磨损预测模型,描述铣削过程中输入向量（进给率、切削速度、主轴转速、切削深度、切削时间及磨损位置）和输出向量（刀具磨损）之间的映射关系,并引入Kalman滤波技术,建立LS-KF模型,考虑加工条件及环境变化引起的刀具磨损量的变化,结合刀具的实际磨损量更新LS-SVM的预测结果,并用该更新结果调整训练模型,以使更新后的刀具磨损量能够反映出由于加工条件及环境的变化引起的刀具磨损的变化,提高LS-SVM模型的预测精度,最后用实验验证所建立模型的预测精度。结果表明,LS-SVM模型和LS-KF模型的预测精度均较高,且LS-KF模型的预测精度更高。     

刀具磨损在线监测的数据处理

本文将干扰方程和ARC(2)模型同时引入刀具磨损在线监测的数据处理过程中,较好地解决了切削力之间相互干扰问题,使监测精度和可靠性有显著的提高。其中,相间干扰小于2％,系统对刀具磨损监测分辨率达0.01mm,准确度0.2mm。     

GA-BP神经网络在隧道监测数据处理中的应用

隧道施工中围岩的变形监测直接关系到隧道施工安全和工程质量,隧道变形监测是现代隧道施工中必不可少的环节,选择合理数据处理方法对现场所测到的数据进行处理显得尤为重要.用遗传算法优化了BP神经网络,克服了BP神经网络易陷于局部极值、收敛速度慢、依赖初值选择等缺陷,并将优化后的GA-BP神经网络运用于现场监测的隧道断面水平收敛时间序列数据的处理,提高了预测精度和计算效率.     

神经网络在电液控制系统中的应用

随着计算机技术的发展和科学技术的进步,计算机智能系统的功能越来越完善,并且逐渐改变着人们的生活.首先简单地从整体上概述了神经网络系统,然后分别从理论以及具体的案例分析两方面重点对神经网络在电液控制系统中的应用、利用液压折弯机电液控制系统的建模以及仿真实验表明了神经网络系统的具体应用.     

预测控制在中央空调净化系统中的应用

针对常规PID控制在非线性、大惯性系统中存在滞后、精度低等弱点,构建了神经网络与预测算法相结合的控制系统.采用预控算法,充分利用预测控制的滚动优化和反馈校正的特性,采用神经网络建立系统的动态模型作为预测控制器的预测模型,实现了对大滞后系统的自适应控制,具有实时控制和预测性能,有效地提高了控制精度和可靠性,增强了稳定性.现场运行结果表明,在空气净化器系统中使用该方法效果良好,易于推广.     

神经网络在高压直流输电控制系统中的应用

采用PSCAD建立HVDC(高压直流输电)模型,采用MATLAB编写神经网络控制器算法,通过PSCAD/MATLAB接口,用神经网络控制器取代HVDC系统电流控制器,从而取得较好的控制效果。     

基于GA-BP和GA-RBF网络的结构损伤识别

首先指出了当人工神经网络算法解决结构工程实践问题时,网络结构本身所面临的缺陷;然后描述了人工神经网络和遗传算法的概念,从理论和实例上说明了运用遗传算法优化和改进神经网络结构的可行性,以结合二者的长处解决工程实践问题;接着详细阐述了如何利用遗传算法优化或改进BP(B ack P ropagation)网络模型和RBF(R ad ia l B as is Function)网络模型,以及如何利用遗传优化BP网络和遗传优化RBF网络模型分析结构损伤,进而比较遗传BP网络和RBF网络在结构损伤分析方面的性能。     

人工神经网络及其在非线性系统控制中的应用

本文介绍了人工神经元和人工神经网络的基本结构,并在此基础上分析了人工神经网络的特性、学习和训练,说明了两种典型网络BP网络和Hopfield网络的工作原理,对人工神经网络在非线性系统控制中的应用进行了探讨.     

神经网络技术在直接转矩控制系统中的应用

在传统直接转矩控制系统的基础上,采用PB网络设计了状态选择器,并通过BP算法进行训练,对实际控制系统进行了仿真,结果证明了方案的可行性.     

神经网络自适应控制系统的特性、应用与发展

吸收了人工智能有关思想的智能控制，近年来控制理论界发挥着越来越重要的作用，而人工神经网络控制又成为其重要的分支。尤其是神经网络自适应控制，由于较好地结合了神经网络和自适应控制的优点，更是引起人们及智能控制界的极大兴趣。系统地阐述了神经网络自适应控制的研究进展，介绍了神经网络自适应控制的不同结构模型和特性，并讨论了目前尚存在的问题，及其应用、发展趋势等。     

粗糙集神经网络在微孔钻削在线监测中的应用

提出了一种粗糙集神经网络用于微孔钻削在线实时监测的方法.该方法利用粗糙集理论对控制规则进行约简,再利用主轴电机三相电流信号作为神经网络的输入对系统进行训练.采用该方法可获取微细钻头磨损状态的信息,对微孔钻削过程进行在线实时监测,可有效避免微钻头折断,降低制造成本,提高生产效率.     

模糊RBF神经网络在麻醉深度控制系统中的应用

麻醉深度通常用病人的平均动脉压（MAP）值来直接反应和度量。针对平均动脉压的时变、非线性特点,提出了基于模糊RBF神经网络的麻醉深度PID控制系统。通过采用模糊RBF神经网络对检测到的平均动脉压值进行模糊化处理及神经网络辨识,从而在线整定PID控制器各个参数,以获得更好的控制效果。MATLAB仿真结果表明模糊RBF神经网络用于麻醉深度控制具有良好的动态响应性能。