论文部分内容阅读
采用声发射传感器采集刀具切削时的信号，提出了一种基于BP神经网络识别刀具磨损程度的方法。该方法将原始声发射信号经高通滤波后直接输入到BP神经网络中进行训练，依靠神经网络的非线性映射能力，使神经网络对不同磨损程度刀具产生的信号进行分类，并能准确判别未知信号所属类别。与传统方法相比，该方法省去了人工提取特征值这一费时费力的环节。研究了神经元个数对神经网络的训练和识别的影响，提高了神经网络的识别精度。实验结果表明，该方法可以准确地预测刀具磨损程度。