VMD和改进型BPNN模型在微铣刀磨损监测中的应用

作     者：王二化 刘颉 WANG Erhua;LIU Jie

作者机构：常州信息职业技术学院常州市高端制造装备智能化技术重点实验室江苏常州213164 华中科技大学水电与数字化工程学院武汉430074 

基　　金：国家关键基础研究计划资助项目(2011CB706803) 常州市高端制造装备智能化技术重点实验室项目(CM20183004) 江苏省青蓝工程中青年学术带头人项目 常州信息职业技术学院“1+1+1”协同培育工程建设项目 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2020年第36卷第5期

页      码：126-131页

摘      要：由于具有加工材料的多样性和能加工复杂三维曲面的独特优势,微铣削已经广泛应用于微小型零部件的加工领域然而,较小的刀具尺寸和较高的主轴转速导致微铣刀磨损较快,影响产品质量的一致性。因此,以微铣削振动信号为研究对象,提出了基于变分模态分解(Variational Mode Decomposition,VMD)与改进型BP神经网络(Back Propagation Neural Network,BPNN)的微铣刀磨损监测方法。首先通过VMD对微铣削振动信号进行信号处理和特征提取,并选择VMD分解后的内禀模式函数(Intrinsic Mode Function,IMF)的峭度和偏态作为微铣刀磨损特征。接着利用基于Particle Swarm Optimization(PSO)优化算法的BPNN模型对提取的微铣刀磨损特征进行分类、结果表明,文中提出的微铣刀磨损监测方法能够快速准确地识别微铣刀的5种磨损状态,具有一定的理论价值和实践意义。

主 题 词：微铣刀 刀具磨损 特征提取 变分模态分解 BPNN 

学科分类：080503[080503] 08[工学] 0805[工学-能源动力学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13952/j.cnki.jofmdr.2020.0205

馆 藏 号：203990256...