论文部分内容阅读
本文以国家自然科学基金项目“基于隐马尔可夫模型的切削颤振在线监测与控制的研究”(编号：50375070)为基础，提出硕士学位论文题目“神经网络与隐马尔可夫混合模型在机械切削加工中的颤振预报”。本文研究了HMM和ANN的基本理论和算法，并讨论其在机床切削颤振预报中的应用，开发了机床切削颤振预报软件。全文主要研究内容如下： 1．介绍了机床切削颤振预报研究的意义；综述了切削颤振预报技术的研究现状；分析了HMM在机床切削颤振预报应用中的可行性；介绍了ANN的基本原理及其对HMM预报模型预报性能的提高；最后结合国家自然科学基金项目提出了本文的研究内容，并给出了本文的总体框架和创新之处。 2．从Markov模型入手，引出了HMM的基本概念，然后较为详细的介绍和分析了HMM的基本理论和算法，并对HMM在实际应用中所遇到的问题展开了讨论并提出了若干解决方案，提出训练用数据的提取方法，最后提出了HMM在机床切削颤振预报中的作用。 3．介绍了神经网络的两个重要模型：自组织特征映射模型与多层感知机模型，讨论并实现了自组织特征映射模型作为HMM中的矢量量化工具；将具有诸多优良性能的多层感知机与HMM相结合以提高预报效果。 4．探讨了利用遗传算法对HMM初始模型进行寻优的过程。 5．应用HMM中的Viterbi算法进行信号的数值滤波处理，讨论了振动信号的特征提取方法，以及幅值谱矢量的标量量化技术，最后提出了机床切削过程中的ANN-HMM混合模型颤振预报方法。 6．基于ANN-HMM颤振预报方法，开发了切削颤振预报软件；介绍了软件系统的开发环境、开发工具以及混合编程的接口实现方法；说明了整个软件系统的基本组成和功能。 7．针对前面讨论的HMM理论及其算法、信号数据采集方法、信号特征提取方法，以及切削过程中包含的稳定切削、过渡切削到颤振切削三种状态对应的特征库的建立方法，在CA6140型卧式普通车床上进行切削实验验证。 8．总结了全文的研究成果和创新之处；并对今后的工作提出了展望。