Intelligentes Bewertungssystemmodell
Gemäß dem Hardwaresystem wird das Bearbeitungsgenauigkeitsbewertungsmodell eingerichtet. Das Modell besteht aus verschiedenen Schichtstrukturen, darunter hauptsächlich Signalerfassungsschicht, Signalausgabeschicht, Signaltransformationsschicht, Signalkonditionierungsschicht, Datenerfassungsschicht, Erfassungssoftware, Datenspeicherung, Merkmalsextraktion und Benutzerschicht.
Die Funktionen der einzelnen Teile sind wie folgt:
(1) Signalerfassungsschicht: Hauptsächlich sammelt jeder Sensor entsprechende Signale von den Messpunkten an der installierten Position, und die vom Sensor ausgegebenen Signale werden an die Signalausgabeschicht übertragen.
(2) Signaleingangsschicht: Sie überträgt das Signal an die Entladungskonditionierungsschaltung der NC-Werkzeugmaschine, und die Signalausgangsschicht verbindet den Signalmesspunkt und die Vorverarbeitungsschaltung.
(3) Signaltransformationsschicht: Sie kann die Transformation der Signalform realisieren. Da die von jedem Sensor ausgegebenen Originalsignale ein Spannungssignal, ein Widerstandssignal und ein Stromsignal umfassen, müssen diese Signale zur Erleichterung der Datenerfassung in der Signaltransformationsschicht transformiert und einheitlich in Spannungssignale umgewandelt werden.
(4) Signalkonditionierungsschicht: Sie besteht hauptsächlich aus Signalkonditionierungsinstrumenten. Da das Originalsignal mit einer großen Anzahl von Rauschsignalen gemischt wird und der Originalsignalwert relativ schwach ist, realisiert die Signalkonditionierungsschicht hauptsächlich die Verstärkung und Filterung des Originalsignals.
(5) Datenerfassungsschicht: Sie besteht hauptsächlich aus einer Datenerfassungskarte, um eine Hochgeschwindigkeits-Signalerfassung zu realisieren.
(6) Erfassungssoftware: Sie realisiert hauptsächlich die automatische Datenerfassung, -übertragung, -speicherung und andere Operationen des Computers.
(7) Datenspeicherung: Sie ist die grundlegende Grundlage für die Datenverarbeitung, und die gespeicherten Daten müssen in der Folgeverarbeitung aufgerufen werden.
(8) Merkmalsextraktion: Es extrahiert hauptsächlich relevante Zeitbereichsmerkmale und Frequenzbereichsmerkmale aus den verarbeiteten Signalen für das nachfolgende neuronale Netzwerktraining.
(9) Benutzerebene: Es ist hauptsächlich das neuronale Netz, das die extrahierten Eigenwerte trainiert und lernt und die Entscheidungsergebnisse ausgibt.
Extraktion von Signalmerkmalen
Der Merkmalsauswahlwert verwendet verschiedene digitale Signalanalyse- und Verarbeitungsverfahren, um die Merkmalsinformationen zu extrahieren, die die Änderung der Bearbeitungsgenauigkeit am besten aus dem ursprünglichen Signal widerspiegeln können. Das vom Sensor gesammelte Originalsignal enthält eine große Anzahl von Rauschsignalen. Um den Eigenwert des Signals effektiv zu extrahieren, wird ein Wavelet-Paket ausgewählt, um den Eigenwert zu extrahieren.