利用振动频谱预测刀具磨损量

采用振动传感器采集刀具车削时的信号,对振动信号进行短时傅里叶变换,将频谱集中区域(0~6250)Hz内的频率幅值直接输入到BP神经网络中进行训练,使神经网络建立振动信号频谱与刀具磨损量之间的映射关系,从而实现刀具磨损监测。人工提取的特征值一般数量较少,往往不能全面细致地刻画信号的特点,而该方法则充分发掘了神经网络强大的学习能力,具有方法简单、识别精度高、稳定性好的优点。实验结果表明,该方法可以快速准确地预测刀具磨损量。

Predicting Tool Wear by Vibration Frequency Spectrum