基于切削声音信号的刀具状态识别研究

VIP免费

3.0 李佳 2024-09-23 4 4 288.5KB 7 页 150积分

侵权投诉

5.2.1 BP 神经网络

自 20 世纪 80 年代末，BP 神经网络开始应用与切削声音信号的模式识别研

究。目前即神经网络已经是应用最广泛的人工神经网络，无需建立复杂的模型，

利用训练样本对网络进行训练，系统的各项信息存储在神经网络的权值中。它实

质上体现了前向网络最核心的部分。

图 5-2 BP 神经网络拓扑结构图(8-4-3)

Fig.5-2 BP neural network topology configuration (8-4-3)

即神经网络用于模式识别的原理可归纳为通过样本训练，调整网络连接权

值，实现输入特征向量与输出向量的非线性映射。图 5-2 为典型的 8-4-3 结构即

网络拓扑结构，即该 BP 网络有 8 输入 3 输出，隐含层节点数为 4。

BP 网络学习算法可查阅文献，其具体学习过程主要分以下两步骤：

1.工作信号的正向传播：输入信号从输入层经隐含单元，传向输出层，并

产生输出信号。信号在向前传递过程中，网络连接权值不变；

2.误差信号反向传播：如果在输出层不能得到期望输出，则从输出端逐层

后传播。在误差信号反向传播过程中，神经网络权值由误差反馈调节。通过不断

修正权值使得实际输出更接近期望输出。

5.3 基于 BP 神经网络的刀具磨损状态识别

在确定 BP 神经网络模式识别方法以后，要实现切削声音信号对刀具磨损状

态的识别，还必须建立声音信号到刀具磨损的映射关系。切削声音信号是由很多

特征向量所构成，所以声音信号到刀具磨损的映射实际上就是特征向量对刀具

磨损状态的映射。而这个从特征向量到刀具磨损的映射关系的建立过程，就是刀

具状态识别过程。一个典型的切削声音信号刀具磨损状态识别系统结构框图，如

图 5-3 所示。模式识别最根本的问题就是识别器的建立和训练过程。

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

150 积分 4人已下载

立即下载 VIP免费下载

摘要：

5.2.1BP神经网络自20世纪80年代末，BP神经网络开始应用与切削声音信号的模式识别研究。目前即神经网络已经是应用最广泛的人工神经网络，无需建立复杂的模型，利用训练样本对网络进行训练，系统的各项信息存储在神经网络的权值中。它实质上体现了前向网络最核心的部分。图5-2BP神经网络拓扑结构图(8-4-3)Fig.5-2BPneuralnetworktopologyconfiguration(8-4-3)即神经网络用于模式识别的原理可归纳为通过样本训练，调整网络连接权值，实现输入特征向量与输出向量的非线性映射。图5-2为典型的8-4-3结构即网络拓扑结构，即该BP网络有8输入3输出，隐含层节点数...

展开>> 收起<<

基于切削声音信号的刀具状态识别研究.doc

共7页,预览1页

还剩页未读，继续阅读

基于切削声音信号的刀具状态识别研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: