Модель інтелектуальної системи оцінювання
Відповідно до апаратної системи встановлюється модель оцінки точності обробки. Модель складається з різних шарових структур, в основному включаючи рівень отримання сигналу, рівень виведення сигналу, рівень перетворення сигналу, рівень кондиціювання сигналу, рівень збору даних, програмне забезпечення для збору даних, зберігання даних, вилучення функцій і рівень користувача.
Функції кожної частини такі:
(1) Рівень збору сигналів: в основному кожен датчик збирає відповідні сигнали з точок вимірювання на встановленому місці, а вихідні сигнали датчика передаються на вихідний рівень сигналу.
(2) Вхідний рівень сигналу: він передає сигнал до схеми кондиціонування розряду верстата з ЧПУ, а вихідний рівень сигналу з’єднує точку вимірювання сигналу та схему попередньої обробки.
(3) Рівень перетворення сигналу: він може реалізувати перетворення форми сигналу. Оскільки вихідні вихідні сигнали кожного датчика включають сигнал напруги, сигнал опору та сигнал струму, для полегшення збору даних ці сигнали потрібно трансформувати на рівні перетворення сигналу та рівномірно перетворити на сигнали напруги.
(4) Рівень формування сигналу: він в основному складається з інструменту формування сигналу. Оскільки вихідний сигнал змішується з великою кількістю шумових сигналів, а початкове значення сигналу є відносно слабким, рівень формування сигналу в основному реалізує посилення та фільтрацію вихідного сигналу.
(5) Рівень збору даних: він в основному складається з карти збору даних для реалізації високошвидкісного збору сигналу.
(6) Програмне забезпечення для збору: воно в основному реалізує автоматичний збір даних, передачу, зберігання та інші операції комп’ютера.
(7) Зберігання даних: це базова основа для обробки даних, і збережені дані потрібно викликати під час подальшої обробки.
(8) Виділення ознак: воно головним чином виділяє релевантні характеристики часової області та характеристики частотної області з оброблених сигналів для подальшого навчання нейронної мережі.
(9) Рівень користувача: в основному нейронна мережа навчає та вивчає витягнуті власні значення та виводить результати рішень.
Вилучення ознак сигналу
Значення вибору функції використовує різні цифрові методи аналізу сигналу та обробки, щоб отримати інформацію про ознаку, яка найкраще відображає зміну точності обробки з початкового сигналу. Вихідний сигнал, зібраний датчиком, містить велику кількість шумових сигналів. Для ефективного виділення власного значення сигналу вибирається вейвлет-пакет для виділення власного значення.