Intelligens értékelési rendszer modell
A hardverrendszer szerint létrejön a megmunkálási pontosság értékelési modellje. A modell különböző rétegstruktúrákból áll, főként jelgyűjtő rétegből, jelkimeneti rétegből, jeltranszformációs rétegből, jelkondicionáló rétegből, adatgyűjtő rétegből, adatgyűjtő szoftverből, adattárolásból, funkciókivonásból és felhasználói rétegből.
Az egyes részek funkciói a következők:
(1) Jelgyűjtő réteg: elsősorban az egyes érzékelők megfelelő jeleket gyűjtenek a beépített helyen lévő mérési pontokról, és az érzékelő által kibocsátott jelek a jelkimeneti rétegbe kerülnek.
(2) Jel bemeneti réteg: továbbítja a jelet az NC szerszámgép kisülési kondicionáló áramkörébe, a jelkimeneti réteg pedig összeköti a jelmérési pontot és az előfeldolgozó áramkört.
(3) Jeltranszformációs réteg: képes megvalósítani a jelforma átalakítását. Mivel az egyes érzékelők által kibocsátott eredeti jelek feszültségjelet, ellenállásjelet és áramjelet tartalmaznak, az adatgyűjtés megkönnyítése érdekében ezeket a jeleket átalakítani kell a jeltranszformációs rétegben, és egyenletesen feszültségjelekké kell alakítani.
(4) Jelkondicionáló réteg: főleg jelkondicionáló műszerből áll. Mivel az eredeti jel nagyszámú zajjellel keveredik, és az eredeti jelérték viszonylag gyenge, a jelkondicionáló réteg főként az eredeti jel erősítését és szűrését valósítja meg.
(5) Adatgyűjtő réteg: főként adatgyűjtő kártyából áll a nagy sebességű jelgyűjtés megvalósításához.
(6) Adatgyűjtő szoftver: elsősorban a számítógép automatikus adatgyűjtését, továbbítását, tárolását és egyéb műveleteit valósítja meg.
(7) Adattárolás: az adatkezelés alapja, a tárolt adatokat a későbbi feldolgozás során be kell hívni.
(8) Jellemzők kinyerése: főként releváns idő- és frekvencia-tartomány jellemzőket von ki a feldolgozott jelekből a későbbi neurális hálózati betanításhoz.
(9) Felhasználói szint: elsősorban a neurális hálózat betanítja és megtanulja a kinyert sajátértékeket, és kiadja a döntési eredményeket.
Jel jellemző kivonás
A jellemző kiválasztási érték különféle digitális jelelemzési és -feldolgozási módszereket használ, hogy kinyerje azokat a jellemző információkat, amelyek a legjobban tükrözik a megmunkálási pontosság változását az eredeti jelből. Az érzékelő által gyűjtött eredeti jel nagyszámú zajjelet tartalmaz. A jel sajátértékének hatékony kinyerése érdekében wavelet-csomagot választunk ki a sajátérték kinyerésére.