基于LVQ神经网络的截齿磨损程度识别研究
Chinese Journal of Sensors and Actuators（2018）
摘要
为实现截齿磨损程度的快速准确识别,提出了一种基于LVQ神经网络的截齿磨损程度的多特征信号识别方法,并利用自制截齿截割实验台对相同截割条件下的不同磨损程度截齿进行截割实验,提取截割的电流信号、红外信号,建立截齿磨损识别模型,研究表明:新截齿B相电流峰值为1 117 mA,随磨损程度的加剧而逐渐增大,严重磨损截齿值为1 183 mA,最大峰值差为66 mA;新截齿齿尖最大闪温值为25.52 cC,随截齿磨损程度加剧逐渐降低,严重磨损截齿值为18.96℃,最大温度差为6.56℃.基于LVQ神经网络的截齿识别平均最大正确率均可以达到100％,与BP神经网络方法相比提高了12.86％,因此该神经网络具有良好的可靠性与精确性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要