-
题名基于LVQ神经网络的截齿磨损程度识别研究
被引量：4
- 1
-
-
作者
张强
张旭
田莹
刘志恒
-
机构
辽宁工程技术大学机械工程学院
辽宁工程技术大学公共管理与法学院
长城汽车股份有限公司蜂巢易创动力研究院
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2018年第11期1721-1726,共6页
-
基金
国家自然科学基金项目(U181010014
51774161
+2 种基金
51804151
51504121)
辽宁省高等学校创新人才支持计划项目(L82017020)
-
文摘
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℃,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。
-
关键词
传感器应用
截齿
磨损程度识别
多特征信号融合
LVQ神经网络
BP神经网络
-
Keywords
sensor application
pick
wear degree identification
multi-feature signal fusion
LVQ neural network
BP neural network
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
