典型文献
基于遗传算法优化神经网络刀具磨损监测研究
文献摘要：
通过对车刀磨损状态监测技术的研究,建立了基于遗传算法(Genetic Algorithm,GA)的BP(Backpropagation)神经网络刀具磨损状态识别模型.选择振动信号和AE信号作为实验监测信号,对采集的振动信号和AE信号分别采用不同的方法进行分析,最终提取到与刀具磨损相关性强的特征作为原始特征.采用Relief-F算法对原始特征进行特征过滤得到最终特征样本.将测试样本输入训练后刀具磨损状态识别模型并查看识别结果.结果表明,识别模型的正确识别率达到96.296％,表明建立的GA-BP模型对车刀状态识别具有很好的分类效果.
文献关键词：
车刀磨损;振动信号;AE信号;Relief-F算法;GA-BP模型
中图分类号：
作者姓名：
贺志林;杜茂华;徐智超;令狐克进;王沛鑫
作者机构：
650500 云南省 昆明市 昆明理工大学 机电工程学院
文献出处：
引用格式：
[1]贺志林;杜茂华;徐智超;令狐克进;王沛鑫-.基于遗传算法优化神经网络刀具磨损监测研究)[J].农业装备与车辆工程,2022(05):12-17
A类：
B类：
遗传算法优化神经网络,刀具磨损监测,车刀磨损,状态监测,Genetic,Algorithm,GA,Backpropagation,刀具磨损状态,状态识别,识别模型,振动信号,AE,监测信号,取到,Relief,特征过滤,特征样本,查看,识别率,别具,分类效果
AB值：
0.336166
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
