本文選題：經(jīng)驗(yàn)?zāi)B(tài)分解 + 支持向量機(jī)�。� 參考：《煤礦機(jī)械》2017年02期

【摘要】：為了提高對(duì)切削加工過程中顫振的識(shí)別能力,提出一種結(jié)合模態(tài)分解和支持向量機(jī)的分類方法,對(duì)顫振信號(hào)進(jìn)行自動(dòng)識(shí)別。首先利用經(jīng)驗(yàn)?zāi)B(tài)分解法把顫振信號(hào)分解成若干個(gè)本征模式函數(shù)分量,去除原始信號(hào)相關(guān)性,突出模式函數(shù)分量的主特征,構(gòu)建出特征向量并進(jìn)行歸一化處理,之后,把特征向量輸入SVM模型,判斷顫振是否發(fā)生。分別采用神經(jīng)網(wǎng)絡(luò)模型、PCA-SVM模型、EMD和SVM模型對(duì)特征向量進(jìn)行學(xué)習(xí)與識(shí)別,EMD和SVM模型識(shí)別率達(dá)到95%,優(yōu)于前兩種模型。實(shí)驗(yàn)結(jié)果表明,該方法能夠有效地識(shí)別切削加工過程中的顫振。
[Abstract]:In order to improve the recognition ability of chatter in cutting process, a classification method combining mode decomposition and support vector machine is proposed to identify the chatter signal automatically. Firstly, the flutter signal is decomposed into several intrinsic mode function components by the empirical mode decomposition method, which removes the correlation of the original signal, highlights the main features of the mode function component, constructs the eigenvector and normalizes it. The eigenvector is input into the SVM model to determine whether flutter occurs or not. The neural network model PCA-SVM model EMD and SVM model are used to study and identify the Eigenvectors respectively. The recognition rate of EMD and SVM model is 95% which is superior to the former two models. The experimental results show that the method can effectively identify the chatter in cutting process.
【作者單位】： 大連民族大學(xué);
【分類號(hào)】：TH161.6;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋立新;王祁;王玉靜;梁X;;具有間斷事件檢測和分離的經(jīng)驗(yàn)?zāi)B(tài)分解方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2007年02期

2 劉小峰;秦樹人;柏林;;基于小波包的經(jīng)驗(yàn)?zāi)B(tài)分解法的研究及應(yīng)用[J];中國機(jī)械工程;2007年10期

3 楊智春;譚光輝;;一種基于樣條插值的經(jīng)驗(yàn)?zāi)B(tài)分解改進(jìn)算法[J];西北工業(yè)大學(xué)學(xué)報(bào);2007年05期

4 張西良;萬學(xué)功;李萍萍;張建;徐云峰;;動(dòng)態(tài)稱量經(jīng)驗(yàn)?zāi)B(tài)分解數(shù)據(jù)處理方法[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年06期

5 周志峰;蔡萍;;基于經(jīng)驗(yàn)?zāi)B(tài)分解的汽車軸重估計(jì)(英文)[J];Journal of Shanghai University(English Edition);2008年01期

6 李洪;郝豪豪;孫云蓮;;具有獨(dú)立分量的經(jīng)驗(yàn)?zāi)B(tài)分解算法研究[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2009年07期

7 林玉榮;王強(qiáng);;基于一維經(jīng)驗(yàn)?zāi)B(tài)分解的圖像細(xì)節(jié)提取方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2011年06期

8 盧珍;;關(guān)于經(jīng)驗(yàn)?zāi)B(tài)分解與整體經(jīng)驗(yàn)?zāi)B(tài)分解的分離效果差別的探討[J];科學(xué)技術(shù)與工程;2011年33期

9 鐘佑明;趙強(qiáng);周建庭;;實(shí)時(shí)經(jīng)驗(yàn)?zāi)B(tài)分解的實(shí)現(xiàn)方法[J];振動(dòng).測試與診斷;2012年01期

10 劉海波;趙宇凌;;集合經(jīng)驗(yàn)?zāi)B(tài)分解的穩(wěn)健濾波方法研究[J];振動(dòng)與沖擊;2013年08期

相關(guān)會(huì)議論文 前10條

1 秦毅;秦樹人;毛永芳;;正交經(jīng)驗(yàn)?zāi)B(tài)分解及其快速實(shí)現(xiàn)[A];第九屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

2 秦毅;秦樹人;毛永芳;;正交經(jīng)驗(yàn)?zāi)B(tài)分解及其快速實(shí)現(xiàn)[A];第九屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

3 楊永鋒;;經(jīng)驗(yàn)?zāi)B(tài)分解與非線性分析的協(xié)同研究[A];第四屆全國動(dòng)力學(xué)與控制青年學(xué)者研討會(huì)論文摘要集[C];2010年

4 侯文文;鄒俊忠;劉未來;;基于經(jīng)驗(yàn)?zāi)B(tài)分解的眼電偽差去除研究[A];上海市化學(xué)化工學(xué)會(huì)2010年度學(xué)術(shù)年會(huì)論文集（自動(dòng)化專題）[C];2010年

5 李關(guān)防;許春雷;惠俊英;;基于經(jīng)驗(yàn)?zāi)B(tài)分解的特征提取算法研究[A];中國造船工程學(xué)會(huì)電子技術(shù)學(xué)術(shù)委員會(huì)2011年海戰(zhàn)場電子信息技術(shù)學(xué)術(shù)年會(huì)論文集[C];2011年

6 薛志宏;李廣云;周蓉;;一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的信號(hào)降噪方法[A];全國工程測量2012技術(shù)研討交流會(huì)論文集[C];2012年

7 張飛漣;劉嚴(yán)萍;;經(jīng)驗(yàn)?zāi)B(tài)分解與神經(jīng)網(wǎng)絡(luò)方法在降水預(yù)測領(lǐng)域的應(yīng)用研究[A];中國系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A01系統(tǒng)工程[C];2014年

8 康春玉;章新華;;一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的信號(hào)降噪方法[A];中國聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（下）[C];2007年

9 辛鵬;辛雷;蔡國偉;李曉琦;;一種基于經(jīng)驗(yàn)?zāi)B(tài)分解與支持向量機(jī)的電力系統(tǒng)短期負(fù)荷預(yù)測新方法[A];第十一屆全國電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

10 郝文峰;駱英;顧建祖;;基于經(jīng)驗(yàn)?zāi)B(tài)分解-支持向量機(jī)的玻璃幕墻開膠損傷預(yù)測研究[A];中國力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2009論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 黎恒;經(jīng)驗(yàn)?zāi)B(tài)分解中關(guān)鍵問題的優(yōu)化理論與方法研究[D];西安電子科技大學(xué);2016年

2 葛光濤;二維經(jīng)驗(yàn)?zāi)B(tài)分解研究及其在圖像處理中的應(yīng)用[D];哈爾濱工程大學(xué);2009年

3 孫暉;經(jīng)驗(yàn)?zāi)B(tài)分解理論與應(yīng)用研究[D];浙江大學(xué);2005年

4 張繼紅;經(jīng)驗(yàn)?zāi)B(tài)分解及徑向基函數(shù)的一些應(yīng)用研究[D];大連理工大學(xué);2012年

5 熊衛(wèi)華;經(jīng)驗(yàn)?zāi)B(tài)分解方法及其在變壓器狀態(tài)監(jiān)測中的應(yīng)用研究[D];浙江大學(xué);2006年

6 楊賢昭;基于經(jīng)驗(yàn)?zāi)B(tài)分解的故障診斷方法研究[D];武漢科技大學(xué);2012年

7 高靜;經(jīng)驗(yàn)?zāi)B(tài)分解的改進(jìn)方法及應(yīng)用研究[D];北京理工大學(xué);2014年

8 陳志剛;經(jīng)驗(yàn)?zāi)B(tài)分解與Savitzky-Golay方法的自適應(yīng)遙感影像融合[D];華東師范大學(xué);2010年

9 周義;快速二維經(jīng)驗(yàn)?zāi)B(tài)分解和相位追蹤方法及其在導(dǎo)波無損檢測中的應(yīng)用[D];上海交通大學(xué);2014年

10 石志曉;時(shí)頻聯(lián)合分析方法在參數(shù)識(shí)別中的應(yīng)用[D];大連理工大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 史玉君;基于經(jīng)驗(yàn)?zāi)B(tài)分解的眼電偽跡去除方法的研究[D];蘭州大學(xué);2015年

2 梁江海;基于經(jīng)驗(yàn)?zāi)B(tài)分解的通信信號(hào)細(xì)微特征分析[D];國防科學(xué)技術(shù)大學(xué);2013年

3 趙強(qiáng);基于EMD的齒輪故障診斷技術(shù)研究[D];東北石油大學(xué);2015年

4 熊偉;試車臺(tái)振動(dòng)測試系統(tǒng)的關(guān)鍵技術(shù)研究[D];河南工業(yè)大學(xué);2015年

5 陳凱;快速非平穩(wěn)信號(hào)分析診斷與應(yīng)用[D];上海交通大學(xué);2015年

6 楊U唝~;基于經(jīng)驗(yàn)?zāi)B(tài)分解的城市供水水質(zhì)異常事件檢測方法研究[D];浙江大學(xué);2016年

7 郭學(xué)雯;利用經(jīng)驗(yàn)?zāi)B(tài)分解方法研究新型熱中子探測器數(shù)據(jù)周期性[D];河北師范大學(xué);2016年

8 楊勤甜;基于經(jīng)驗(yàn)?zāi)B(tài)分解和粗糙集屬性約簡的超聲缺陷信號(hào)分類識(shí)別研究[D];南昌航空大學(xué);2016年

9 李超;透平機(jī)組故障特征提取技術(shù)研究與系統(tǒng)開發(fā)[D];天津工業(yè)大學(xué);2016年

10 盧丹丹;基于EEMD的CPI與PPI關(guān)系的結(jié)構(gòu)分析及傳導(dǎo)機(jī)制研究[D];暨南大學(xué);2016年

，

本文編號(hào)：2024048