Intelligent evaluatiesysteemmodel
Volgens het hardwaresysteem wordt het evaluatiemodel voor de nauwkeurigheid van de bewerking vastgesteld. Het model is samengesteld uit verschillende laagstructuren, voornamelijk met inbegrip van signaalacquisitielaag, signaaloutputlaag, signaaltransformatielaag, signaalconditioneringslaag, data-acquisitielaag, acquisitiesoftware, gegevensopslag, functie-extractie en gebruikerslaag.
De functies van elk onderdeel zijn als volgt:
(1) Signaalacquisitielaag: het is voornamelijk dat elke sensor overeenkomstige signalen verzamelt van de meetpunten op de geïnstalleerde positie, en de signalen die door de sensor worden uitgevoerd, worden verzonden naar de signaaluitgangslaag.
(2) Signaalinvoerlaag: deze verzendt het signaal naar het ontladingsconditioneringscircuit van de NC-machinetool en de signaaluitvoerlaag verbindt het signaalmeetpunt en het voorverwerkingscircuit.
(3) Signaaltransformatielaag: het kan de transformatie van signaalvorm realiseren. Omdat de originele signalen die door elke sensor worden uitgevoerd een spanningssignaal, weerstandssignaal en stroomsignaal omvatten, moeten deze signalen, om gegevensverwerving te vergemakkelijken, worden getransformeerd in de signaaltransformatielaag en uniform worden omgezet in spanningssignalen.
(4) Signaalconditioneringslaag: deze bestaat voornamelijk uit een signaalconditioneringsinstrument. Omdat het oorspronkelijke signaal wordt gemengd met een groot aantal ruissignalen en de oorspronkelijke signaalwaarde relatief zwak is, realiseert de signaalconditioneringslaag voornamelijk de versterking en filtering van het oorspronkelijke signaal.
(5) Data-acquisitielaag: het is voornamelijk samengesteld uit een data-acquisitiekaart om high-speed signaalacquisitie te realiseren.
(6) Acquisitiesoftware: het realiseert voornamelijk de automatische data-acquisitie, verzending, opslag en andere bewerkingen van de computer.
(7) Gegevensopslag: het is de basisbasis voor gegevensverwerking en de opgeslagen gegevens moeten bij de volgende verwerking worden opgeroepen.
(8) Functie-extractie: het extraheert voornamelijk relevante tijddomeinkenmerken en frequentiedomeinkenmerken uit de verwerkte signalen voor daaropvolgende neurale netwerktraining.
(9) Gebruikersniveau: het is voornamelijk het neurale netwerk dat de geëxtraheerde eigenwaarden traint en leert en de beslissingsresultaten uitvoert.
Signaalfunctie extractie
De functieselectiewaarde maakt gebruik van verschillende digitale signaalanalyse- en verwerkingsmethoden om de functie-informatie te extraheren die het beste de verandering van de bewerkingsnauwkeurigheid uit het oorspronkelijke signaal kan weerspiegelen. Het originele signaal dat door de sensor wordt opgevangen, bevat een groot aantal ruissignalen. Om de eigenwaarde van het signaal effectief te extraheren, wordt een wavelet-pakket geselecteerd om de eigenwaarde te extraheren.