基于超球面支持向量机的刀具磨损状态识别
DOI: 10.3969/j.issn.1000-1298.2011.01.043
Keywords: 刀具磨损 ,超球面支持向量机 ,小波变换 ,近似熵 ,模式识别
Abstract:
提出一种基于超球面支持向量机的刀具磨损状态识别方法。该方法提取切削力与振动信号中的多项特征,对各项特征分别进行刀具磨损量相关性分析，选择与刀具磨损变化量最相关的均值、均方根、小波系数能量以及小波系数近似熵组成特征向量。采用超球面支持向量机作为分类器，实现了刀具磨损状态的自动识别。实验证明，在小样本学习情况下，基于超球面支持向量机的刀具磨损状态识别方法具有良好的学习和泛化能力，获得较高的识别正确率。
References
[1] 刘超;艾兴;刘战强.高速车削铁基高温合金硬质合金刀具磨损机理[J].农业机械学报,2009(11) [2] 徐创文;王永;罗文翠.基于模糊聚类的铣削刀具磨损状态识别研究[J].应用力学学报,2009(02) [3] Shen Zhiqiang;He Ning;Li Liang.Application of fuzzy logic and self-organizing network to tool-wear classification[J].Transactions of Nanjing University of Aeronautics and Astronautics,2009(01) [4] 张昆;宋千;郝晓红,金属切削刀具磨损的监控和预报研究,中国机械工程,1994(06). [5] 王海丽,马春翔,邵华.车削过程中刀具磨损和破损状态的自动识别[J].上海交通大学学报,2006(12) [6] 黄华;李爱平.基于小波神经网络的切削刀具磨损识别[J].农业机械学报,2008(8) [7] 高宏力;许明恒;傅攀.基于动态树理论的刀具磨损监测技术[J].机械工程学报,2006(07) [8] 袁胜发;褚福磊.基于引力球结构支持向量机多类算法的涡轮泵故障诊断[J].宇航学报,2006(04) [9] 吴道全;万光珉;林树兴,金属切削原理及刀具,重庆:重庆大学出版社,1994. [10] 边肇祺;张学工,模式识别,北京:清华大学出版社,2000.
Full-Text
