1、本科生毕业设计（论文）开题报告题 目： 基于人工神经网络的刀具状态识别系统 学 院： 信息工程学院 系 电气与自动化工程系专 业： 测控技术与仪器 班 级： 测仪 学 号： XXXXXX 姓 名： XXXX 指导教师： XXX 填表日期： 年 月 日1一、选题的依据及意义随着自动化程度的不断提高，带来了许多工业问题，其中的刀具磨损，破损一直受到人们的关注。金属切削过程中的刀具磨损是不可避免的现象，它给自动化加工带来了诸多不良影响，特别是刀具的磨损直接影响工件的加工精度和表面粗 度。刀具破损 不 影响工件 、生 ， 影响 加工系统的 和 人 的 ， 的损 。 ，刀具状态是影响加工 的 一，刀具状
2、态是可过currency1控来“现“ 识别和fifl 和的。，切的过程中刀具的状态 测具的意义。 ”，刀具加工状态测技术的 ，业经 的提高 的 ，具 的一意义：） 和加工 本，提高工件的加工 ）设 的 ，提高设 的 和生 ） ， 度 加工系统 ）“现工 自动化， 度 人 。2、 ” 现状及 年来， ”学 于 一 状态识 别的依据面的 。于刀具磨损的 、随 和不 ， 设 困 、不 加工条件多变的自动化场合， 不。是，一般偏 于算法 ，如采从理论上计算刀具所受 的变化来判 别刀具状态，采 序分析的 法刀具 测等， 法 从理论上 探讨合“际变化的生 条件。 人工神经网络的现，刀具状态的分析提供了一种
3、 的新途径。神经网络的“现 式多 法，后文所 法可 便、高 、直观的“现结果显示， 是刀具磨损状态分析的良好平台和“现法。20世纪90年代 来，智自动化制 技术逐渐 制 业的关键技术，其中基于神经网络智测， 障诊断、识别、设计和优化等技术日 受到 视。人工神经网络具快速、 面的信息综合处理 ，可 克服单一阙 的片面 判断。它具强的歇息学习 ， 其改变了传统的繁的建模过程，更 的是他可 到条件多变的生 “际fi中。从近况来看，人工神经网络的 还的 空， 后的 也将2朝着更更广的领域开 ， 也 生了多种算法的需 ， 人具广泛又扎“的基础，需 具 多种现象的 。三、本课题 容基于神经网络的刀具状态识
4、别系统的“现过程 ：（）众多种输入中选择较简单的输入，如：刀具 片、震动信号、工 功 等。（ ） 准 选刀具震动 采集信号，从得到输信号。过选fi型号加速度传感器来刀具转轴上 一固 点 震动信号采集，然后加速度传感器它数据 转化 一 模拟信号，从 神经网络结构的一 输入信号（ ）一步就是建立设计一 神经网络结构来输入信号 处理得到一 的输，根据得到的输来分析得到刀具 的状态。 样就达到了刀具状态的“ 识别的目的。（ ）神经网络结构建立好，还得选合的学习算法，过python软件编写程序其 部参数的更新和 ， 其 一 的结构。本课题中， 容 面：震动信号的采集、神经网络结构的设计建立。、本课题 震
5、动信号的采集功 ： 过程是 过加速度传感器 震动信号采集到，然后 采集到的信号转化系统识别的特 输入信号，达到 输入的目的。加速度传感器的选型：不 的加速度传感器，不 的参数选 ，所 们也需 加速度传感器 一 合的选型， 样 们过它采集到的信号 更加准 精准。结构设计： python+Keras 来“现数据的输入与识别。2.神经网络结构的设计建立其 步 ：（1）识别所需识别的系统 ， 给系统多 输入， 输入处理转 过的加速度传感器采集到的信号， 加上 ， 系统来 自 的 部参数;（2） 到一 算法可 所的输入输;（3）过采合的神经网络算法， 们 广泛的3Backpropagation算法，多输
6、入数据 不计算， 神经网络结构单的currency1 和偏 ，从得到一 “好的神经网络。3. 是 设计的一 fifl 、 目 、 特及工 度 目 ： 自动化加工过程中刀具状态识别的问题，达到“ 识别刀具状态的 ，提高工 与 人 的 及其 。特：过BP神经网络来 控制、测自动化、“ 快速fl 工 度：序号 工 容 ”日期1 集、 文 2017-3-12017-3-152 写开题报告、”文 2017-3-152017-3-313 神经网络的度学习 2017-4-012017-4-154 Matlab、python等软件的学习 2017-4-162017-4-265 系统的 fi设计加程序 2017-4-272017-5-116 写、改论文 2017-5-122017-5-257 论文 2017-5-262017-6-2、 参智控制 金 电工业 Python编程 克 （Eric Matthes） 人 电4MATLAB 与控制系统 工业学
