论文部分内容阅读
在刀具磨损状态监测中，能够提取到的反映不同刀具磨损状态的特征量较大，基于神经网络的状态识别无法去掉冗余特征，会存在训练时间长和准确率降低等问题。针对这些问题，提出基于粗糙集-BP神经网络的刀具磨损状态监测方法，利用粗糙集对特征进行属性约简，去掉冗余信息，从而优化特征，并且减少神经网络的输入端数据，可以缩短神经网络的训练时间和提高识别的准确率。通过对实测刀具数据进行分析，证明了该方法的有效性。