摘要：对声发射信号进行5层小波分解提取6个频段的能量值,把它与切削速度、切削深度、进给量和切削时间一起作为刀具状态的特征向量.通过主元分析进行降维、消除特征向量间的相关性后,把得到的主元作为BP（Back Propagation）神经网络的输入向量.BP神经网络应用改进的LM（Levenberg-Marquart）算法进行学习,利用输入向量对网络进行训练后,实现对刀具后刀面磨损量VB的预测.实验结果显示：基于主元分析和LM算法改进的BP神经网络建立的预测系统,网络输出与实测VB值的误差0.03以内;根据预测VB值的范围可判别出刀具的不同状态.

原文链接:http://www.cqvip.com/QK/71135X/201107/37438664.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）