基于廣義區(qū)間的加工過程檢測中不確定性研究.pdf

1、在數(shù)控機床加工過程中，由于各種偶然性和隨機性因素的影響，以及人類對機床特性認識的不足，使得加工過程監(jiān)測中的不確定性問題普遍存在。不確定性的存在導致加工過程監(jiān)測的可靠性差和可信度低。傳統(tǒng)的基于概率的不確定性分析方法，需要假定概率分布，而基于非概率的不確定性分析方法如經(jīng)典區(qū)間分析法的推理復雜，計算處理困難，使得這兩類傳統(tǒng)的不確定性分析方法在應用中存在一定的局限性?；趶V義區(qū)間的不確定分析方法是近年來才出現(xiàn)的一種不確定性分析方法，可以很好地解

2、決不確定性問題的建模與計算問題，應用該方法來解決加工過程監(jiān)測中的不確定性問題的相關(guān)研究尚未見報道。本文旨在利用廣義區(qū)間理論，研究加工過程監(jiān)測中監(jiān)測模型及監(jiān)測模型輸入中的不確定性問題，以提高加工過程監(jiān)測的可靠性和可信度。
　　針對工程實際中的不確定性問題，本文研究了基于廣義區(qū)間的不確定性問題分析方法，將工程問題中具有不確定性屬性的量拓展為廣義區(qū)間量，進而利用廣義區(qū)間理論處理工程實際中的不確定性問題。通過仿真分析，驗證了該方法的可行性

3、和有效性。在此基礎(chǔ)上，研究了基于廣義區(qū)間理論的加工過程監(jiān)測中不確定性問題的處理方法，為解決平均動柔度預測、刀具磨損狀態(tài)監(jiān)測和切削顫振監(jiān)測中的不確定性問題提供理論支撐。
　　利用傳統(tǒng)馬爾可夫鏈預測模型對平均動柔度進行預測中，由于存在預測模型相似性，會引起預測模型不確定性問題。為此提出了一種廣義馬爾可夫鏈(GMC)預測模型，GMC是對傳統(tǒng)馬爾可夫鏈模型在廣義區(qū)間涵義上的延拓，將GMC模型中的概率參數(shù)描述為廣義區(qū)間概率形式，以解決傳統(tǒng)馬

4、爾可夫鏈預測模型中的不確定性問題。將GMC預測模型應用于平均動柔度預測，將平均動柔度預測模型中的輸入量表示為廣義區(qū)間量，以解決預測模型輸入中的不確定性問題，通過GMC預測模型對平均動柔度劣化趨勢進行預測，結(jié)果表明GMC模型預測方法較之馬爾可夫鏈預測模型具有更好的可靠性與可信度。
　　刀具磨損狀態(tài)監(jiān)測中，常通過易于“觀測”特征信號來識別磨損狀態(tài)，而傳統(tǒng)的基于隱馬爾可夫模型(HMM)的刀具磨損狀態(tài)識別方法，由于存在監(jiān)測模型相似性及模型

5、訓練時參數(shù)誤差等，將會引起監(jiān)測模型不確定性問題。為此提出一種基于廣義區(qū)間概率的廣義隱馬爾可夫模型(GHMM)，將HMM模型中的概率參數(shù)拓展為廣義區(qū)間概率形式，以解決HMM監(jiān)測模型中的不確定性問題。針對GHMM模型應用中的解碼、評估及模型參數(shù)優(yōu)化三類問題，分別研究了基于廣義區(qū)間理論的前向-后向算法、Viterbi算法及Baum-Welch算法。應用GHMM監(jiān)測刀具磨損狀態(tài)，通過廣義區(qū)間理論解決GHMM監(jiān)測模型輸入中的不確定性問題，利用GH

6、MM識別方法對刀具磨損狀態(tài)進行識別，結(jié)果表明相比于傳統(tǒng)HMM識別結(jié)果，GHMM模型有更高的識別率。
　　切削顫振監(jiān)測中由于顫振發(fā)生的突發(fā)性和過渡階段的短暫性等特點，加之GHMM存在狀態(tài)駐留時間服從指數(shù)分布的缺陷，GHMM不適合用于顫振監(jiān)測。為此提出一種基于廣義區(qū)間理論的廣義BP神經(jīng)網(wǎng)絡(GBPNN)模型，將傳統(tǒng)BP神經(jīng)網(wǎng)絡(BPNN)模型參數(shù)拓展為廣義區(qū)間形式，以解決傳統(tǒng)BPNN模型由于模型相似性及模型訓練時參數(shù)誤差等引起的模型不