文献类型：期刊文章

作　　者：朱云芳[1] 戴朝华[2] 傅攀[3]

机构地区：[1]西南交通大学计算机系,成都614202 [2]西南交通大学电气工程学院,成都614202 [3]西南交通大学机械工程学院,成都614202

出　　处：《振动．测试与诊断》

年　　份：2006

卷　　号：26

期　　号：1

起止页码：64-66

语　　种：中文

收录情况：CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、普通刊

摘　　要：为了有效的进行刀具状态监测,采用小波神经网络的松散型结合对刀具进行故障诊断。通过小波变换提取刀具磨损声发射(AE)信号的特征,即对AE信号进行小波分解,提取了5个频段的均方根值作为神经网络的输入.来识别刀具磨损状态。试验表明,均方根值完全可以作为刀具磨损过程中产生AE信号的特征向量。仿真结果表明,基于小波神经网络的刀具故障诊断对刀具磨损状态的识别效率高。该方法是有效的。

关 键 词：小波变换 神经网络 智能故障诊断 刀具状态监测

分 类 号：TP277]