[发明专利]基于改进的BP神经网络的刀具磨损预测方法

摘要

本发明公开了基于改进的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。

主权项

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，由此设定隐藏层单元数为5；步骤四、BP神经网络的训练：根据BP神经网络的设计原则及实验，训练中隐藏层神经元的传递函数为双曲正弦函数，实现不同样本的空间分割，而输出层神经元的传递函数为线性函数Purelin函数，用于输出BP神经网络的识别结果，训练函数采用梯度下降算法traingd；初始权值选为均匀分布的小数经验值，取初始化BP神经网络权系数在[0，1]之间的随机数；随机选取m组经过归一化函数进行训练，已建立的BP神经网络通过不断改善BP神经网络模型中的权重和阈值，直到收敛，即完成训练。