Inteligentny model systemu oceny
Zgodnie z systemem sprzętowym ustalany jest model oceny dokładności obróbki. Model składa się z różnych struktur warstw, w tym głównie warstwy akwizycji sygnału, warstwy wyjściowej sygnału, warstwy transformacji sygnału, warstwy kondycjonowania sygnału, warstwy akwizycji danych, oprogramowania do akwizycji, przechowywania danych, ekstrakcji cech i warstwy użytkownika.
Funkcje każdej części są następujące:
(1) Warstwa akwizycji sygnału: chodzi głównie o to, że każdy czujnik zbiera odpowiednie sygnały z punktów pomiarowych w zainstalowanej pozycji, a sygnały wyjściowe z czujnika są przesyłane do warstwy wyjściowej sygnału.
(2) Warstwa wejściowa sygnału: przesyła sygnał do obwodu kondycjonowania rozładowania obrabiarki NC, a warstwa wyjściowa sygnału łączy punkt pomiaru sygnału i obwód przetwarzania wstępnego.
(3) Warstwa transformacji sygnału: może realizować transformację postaci sygnału. Ponieważ oryginalne sygnały wyprowadzane przez każdy czujnik obejmują sygnał napięciowy, sygnał rezystancyjny i sygnał prądowy, aby ułatwić zbieranie danych, sygnały te muszą zostać przekształcone w warstwie transformacji sygnału i jednolicie przekształcone w sygnały napięciowe.
(4) Warstwa kondycjonująca sygnał: składa się głównie z instrumentu kondycjonującego sygnał. Ponieważ oryginalny sygnał jest mieszany z dużą liczbą sygnałów szumu, a oryginalna wartość sygnału jest stosunkowo słaba, warstwa kondycjonowania sygnału realizuje głównie wzmocnienie i filtrowanie oryginalnego sygnału.
(5) Warstwa akwizycji danych: składa się głównie z karty akwizycji danych do realizacji szybkiego pozyskiwania sygnału.
(6) Oprogramowanie do akwizycji: realizuje głównie automatyczne pozyskiwanie danych, przesyłanie, przechowywanie i inne operacje komputera.
(7) Przechowywanie danych: jest to podstawowa podstawa przetwarzania danych, a przechowywane dane muszą być wywoływane w późniejszym przetwarzaniu.
(8) Ekstrakcja cech: wyodrębnia głównie istotne cechy w dziedzinie czasu i cechy w dziedzinie częstotliwości z przetworzonych sygnałów w celu późniejszego uczenia sieci neuronowych.
(9) Poziom użytkownika: to głównie sieć neuronowa trenuje i uczy się wyekstrahowanych wartości własnych oraz generuje wyniki decyzji.
Ekstrakcja funkcji sygnału
Wartość wyboru cech wykorzystuje różne metody analizy i przetwarzania sygnałów cyfrowych w celu wyodrębnienia informacji o cechach, które najlepiej odzwierciedlają zmianę dokładności obróbki z oryginalnego sygnału. Oryginalny sygnał zebrany przez czujnik zawiera dużą liczbę sygnałów szumu. Aby skutecznie wyodrębnić wartość własną sygnału, pakiet falkowy jest wybierany do wyodrębnienia wartości własnej.