Model sistem penilaian pintar
Mengikut sistem perkakasan, model penilaian ketepatan pemesinan diwujudkan. Model ini terdiri daripada struktur lapisan yang berbeza, terutamanya termasuk lapisan pemerolehan isyarat, lapisan output isyarat, lapisan transformasi isyarat, lapisan penyaman isyarat, lapisan pemerolehan data, perisian pemerolehan, penyimpanan data, pengekstrakan ciri dan lapisan pengguna.
Fungsi setiap bahagian adalah seperti berikut:
(1) Lapisan pemerolehan isyarat: terutamanya setiap sensor mengumpul isyarat yang sepadan daripada titik pengukur pada kedudukan yang dipasang, dan isyarat yang dikeluarkan oleh sensor dihantar ke lapisan output isyarat.
(2) Lapisan input isyarat: ia menghantar isyarat ke litar penyaman nyahcas alat mesin NC, dan lapisan keluaran isyarat menghubungkan titik pengukur isyarat dan litar prapemprosesan.
(3) Lapisan transformasi isyarat: ia boleh merealisasikan transformasi bentuk isyarat. Oleh kerana isyarat asal yang dikeluarkan oleh setiap sensor termasuk isyarat voltan, isyarat rintangan dan isyarat semasa, untuk memudahkan pemerolehan data, isyarat ini perlu diubah dalam lapisan transformasi isyarat dan ditukar secara seragam kepada isyarat voltan.
(4) Lapisan penyaman isyarat: ia terutamanya terdiri daripada instrumen penyaman isyarat. Oleh kerana isyarat asal bercampur dengan sejumlah besar isyarat bunyi, dan nilai isyarat asal agak lemah, lapisan penyaman isyarat terutamanya menyedari penguatan dan penapisan isyarat asal.
(5) Lapisan pemerolehan data: ia terutamanya terdiri daripada kad pemerolehan data untuk merealisasikan pemerolehan isyarat berkelajuan tinggi.
(6) Perisian pemerolehan: ia terutamanya merealisasikan pemerolehan data automatik, penghantaran, penyimpanan dan operasi lain komputer.
(7) Penyimpanan data: ia adalah asas asas untuk pemprosesan data, dan data yang disimpan perlu dipanggil dalam pemprosesan berikutnya.
(8) Pengekstrakan ciri: ia terutamanya mengekstrak ciri domain masa dan ciri domain frekuensi yang berkaitan daripada isyarat yang diproses untuk latihan rangkaian saraf berikutnya.
(9) Tahap pengguna: terutamanya rangkaian saraf yang melatih dan mempelajari nilai eigen yang diekstrak dan mengeluarkan keputusan keputusan.
Pengekstrakan ciri isyarat
Nilai pemilihan ciri menggunakan pelbagai kaedah analisis dan pemprosesan isyarat digital untuk mengekstrak maklumat ciri yang paling boleh mencerminkan perubahan ketepatan pemesinan daripada isyarat asal. Isyarat asal yang dikumpul oleh sensor mengandungi sejumlah besar isyarat bunyi. Untuk mengekstrak nilai eigen isyarat dengan berkesan, paket wavelet dipilih untuk mengekstrak nilai eigen.