基于改进的BP神经网络的刀具磨损预测方法技术

本发明专利技术公开了基于改进的BP神经网络的刀具磨损预测方法，属于刀具磨损检测技术领域。通过聚类算法对刀具数据进行分类筛选，刀具数据包括切削速度、切削深度、进给量、时间的设定及不同铣削条件下刀具磨损值及剩余寿命数据。对数据进行归一化处理；建立BP神经网络模型；BP神经网络的训练直到收敛，即完成训练；本发明专利技术将神经网络应用到刀具磨损预测上，利用建立好的神经网络对加工后刀具的磨损量进行预测。

【技术实现步骤摘要】
基于改进的BP神经网络的刀具磨损预测方法
本专利技术属于刀具磨损检测
，具体涉及一种基于改进的BP神经网络的刀具磨损预测方法。
技术介绍
刀具磨损严重影响加工效率、工件质量和加工成本，是个不容忽视的问题，它对切削质量有着重大的影响，如能很好地预测刀具加工后的磨损状态，则能大大提高切削质量，避免了刀具在加工过程中报废，对保证加工质量和提高生产率具有重要意义。BP(backpropagation)神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(ExclusiveOR，XOR)和一些其他问题。从结构上讲，BP网络具有输入层、隐藏层和输出层；从本质上讲，BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。而将BP神经网络应用在刀具检测
，不仅能保证加工质量，还能提升加工效率。
技术实现思路
本专利技术提供了一种基于改进的BP神经网络的刀具磨损预测方法，将神经网络应用到刀具磨损预测上，利用建立好的神经网络对加工后刀具的磨损量进行预本文档来自技高网...

【技术保护点】
1.基于改进的BP神经网络的刀具磨损预测方法，其特征在于：包括步骤如下：步骤一、通过聚类算法对刀具数据进行分类筛选，刀具数据包括切削速度、切削深度、进给量、时间的设定及不同铣削条件下刀具磨损值及剩余寿命数据；步骤二、数据归一化处理：归一化处理是将刀具数据的值转换到[0，1]区间内，使用的归一化函数S(t)为：

【技术特征摘要】
1.基于改进的BP神经网络的刀具磨损预测方法，其特征在于：包括步骤如下：步骤一、通过聚类算法对刀具数据进行分类筛选，刀具数据包括切削速度、切削深度、进给量、时间的设定及不同铣削条件下刀具磨损值及剩余寿命数据；步骤二、数据归一化处理：归一化处理是将刀具数据的值转换到[0，1]区间内，使用的归一化函数S(t)为：t为输入数据，e为自然底数；步骤三、建立BP神经网络模型：BP神经网络模型包括输入层、隐藏层及输出层；在此BP神经网络模型中，设定输入层单元为4，输出层单元为1，输入层单元分别表示刀具的切削速度、切削深度、进给量以及时间的信息，输出层单元表示单元数是刀具的磨损值，隐藏层单元数是经公式推算和试凑调整确定，公式推算和试凑调整通过经验公式确定，其中，n为输入层神经元个数，m为输出层神经元个数，a为[1，10]之间的常数，...

【专利技术属性】
技术研发人员：蔡力钢，焦雪岩，杨聪彬，刘志峰，赵永胜，程强，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11