%0 Journal Article
%T 基于改进EMD和LS-SVM的刀具磨损状态识别
%J 北京工业大学学报
%D 2013
%X 针对经验模态分解(empiricalmodedecomposition,EMD)的端点效应、停止准则和虚假分量作了改进处理,通过对仿真信号的对比验证证明了改进方法的可行性.采集切削加工中的声发射(acousticemission,AE)信号并对AE信号运用改进EMD方法分解为若干个固有模态函数(intrinsicmodefunction,IMF)分量,利用IMF分量和原始信号的相关系数作为判断依据,剔除分解中产生的虚假分量,然后提取IMF分量的归一化能量值并将其作为特征向量.将提取的特征向量分为2组:一组用于对最小二乘支持向量机(leastsquaressupportvectormachine,LS-SVM)训练;另一组用于识别刀具磨损状态.实验结果表明该方法可有效地表征刀具的磨损状态.
%K 刀具磨损
%K 状态识别
%K 经验模态分解
%U http://www.bjgd.cbpt.cnki.net/WKA/WebPublication/paperDigest.aspx?paperID=6263cebc-8e31-43a6-aee4-28ef81b8eeed