刀具故障診斷的過程包括診斷信息的獲取、故障特征提取和狀態(tài)識別三個主要部分。其中,故障特征提取和狀態(tài)識別是診斷的關(guān)鍵。本文將時頻分析的新方法——經(jīng)驗?zāi)B(tài)分解（Empirical Mode Decomposition,EMD）和模式識別的新技術(shù)——支持向量機(jī)（Support Vector Machine,SVM）結(jié)合在一起應(yīng)用于刀具故障診斷當(dāng)中。EMD方法基于信號的局部特征時間尺度,可以把原始信號分解為若干個內(nèi)稟模態(tài)函數(shù)（Intrinsic Mode Function,IMF）之和,分解出的各個內(nèi)稟模態(tài)函數(shù)分量突出了數(shù)據(jù)的局部特征,對它進(jìn)行分析能夠更加準(zhǔn)確的把握原始數(shù)據(jù)的特征信息,更重要的是,每一個內(nèi)稟模態(tài)函數(shù)分量都會隨著信號本身的變化而變化,因此,EMD方法是一種自適應(yīng)的時頻局部化分析方法,非常適用于非線性和非平穩(wěn)信號的分析。支持向量機(jī)比神經(jīng)網(wǎng)絡(luò)具有更好的泛化能力,它能保證找到的極值解是全局最優(yōu)解,并且它還較好的解決了小樣本的學(xué)習(xí)分類問題。本文利用EMD方法對原始的刀具信號進(jìn)行特征提取,然后用支持向量機(jī)作為分類器對刀具的故障類型進(jìn)行了分類,對實驗數(shù)據(jù)的分析結(jié)果表明,EMD方法和SVM相結(jié)... 

【文章來源】：西華大學(xué)四川省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 刀具故障診斷
        1.1.1 刀具故障診斷的目的和意義
        1.1.2 刀具故障診斷的研究現(xiàn)狀
    1.2 刀具故障診斷技術(shù)的發(fā)展
        1.2.1 信號監(jiān)測
        1.2.2 基于信號處理的刀具故障特征提取方法
        1.2.3 刀具狀態(tài)識別方法
    1.3 論文研究的目的、內(nèi)容及結(jié)構(gòu)
2 切削力信號的采集
    2.1 刀具狀態(tài)的診斷方法
    2.2 切削力信號的測量系統(tǒng)
        2.2.1 切削測力儀
        2.2.2 電荷放大器
        2.2.3 數(shù)據(jù)采集軟件
    2.3 本章小結(jié)
3 基于EMD 方法的切削力信號特征提取
    3.1 概述
    3.2 EMD 方法
        3.2.1 EMD 方法分解的基本原理
        3.2.2 Hilbert 譜
        3.2.3 Hilbert 邊際譜
        3.2.4 EMD 方法端點效應(yīng)的處理
    3.3 EMD 方法在信號分析中的應(yīng)用
        3.3.1 EMD 方法和小波分解方法的比較
        3.3.2 Hilbert 譜與 Winger-Ville 時頻譜的比較
        3.3.3 信號的Hilbert 邊際譜分析
    3.4 基于內(nèi)稟模態(tài)函數(shù)能量的特征提取法
        3.4.1 內(nèi)稟模態(tài)能量熵
        3.4.2 特征向量提取的步驟
    3.5 實驗數(shù)據(jù)分析
        3.5.1 實驗數(shù)據(jù)的采集
        3.5.2 實驗數(shù)據(jù)的特征向量提取
    3.6 本章小結(jié)
4 支持向量機(jī)分類器
    4.1 概述
    4.2 統(tǒng)計學(xué)習(xí)理論
        4.2.1 經(jīng)驗風(fēng)險最小化
        4.2.2 VC 維
        4.2.3 推廣性的界
        4.2.4 結(jié)構(gòu)風(fēng)險最小化
    4.3 支持向量機(jī)
        4.3.1 最優(yōu)分類面
        4.3.2 核函數(shù)理論
    4.4 基于支持向量機(jī)的狀態(tài)識別算法
        4.4.1 支持向量機(jī)的模型選擇
        4.4.2 支持向量機(jī)學(xué)習(xí)性能測試
    4.5 本章小結(jié)
5 基于EMD 和支持向量機(jī)的刀具故障診斷
    5.1 概述
    5.2 實驗及結(jié)果分析
        5.2.1 特征提取
        5.2.2 故障分類
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間參與的科研項目及發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于虛功原理索桿張力結(jié)構(gòu)強(qiáng)度優(yōu)化形狀分析[J]. 肖南,黃玉香,陳華鵬.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2011(08)
[2]基于切削力的刀具磨損監(jiān)測[J]. 何光偉,艾長勝,王娜,樊寧,昃向博.  組合機(jī)床與自動化加工技術(shù). 2009(12)
[3]EMD端點效應(yīng)處理方法的研究[J]. 李敏,程珩,張斌.  太原理工大學(xué)學(xué)報. 2009(06)
[4]利用小波分析和EMD的機(jī)械故障特征提取[J]. 鐘曉平,荊建平,王玉花,張麗新.  噪聲與振動控制. 2009(04)
[5]基于EMD分解與小波包的滾動軸承故障診斷[J]. 趙協(xié)廣,戴炬.  軸承. 2009(07)
[6]基于EMD和SVM的傳感器故障診斷方法[J]. 馮志剛,王祁,信太克規(guī).  哈爾濱工業(yè)大學(xué)學(xué)報. 2009(05)
[7]一種抑制EMD端點效應(yīng)新方法及其在信號特征提取中的應(yīng)用[J]. 曹沖鋒,楊世錫,楊將新.  振動工程學(xué)報. 2008(06)
[8]內(nèi)稟模態(tài)特征能量法在柱塞泵故障診斷中的應(yīng)用[J]. �；鄯�,姜萬錄,李剛.  機(jī)床與液壓. 2008(10)
[9]HHT方法在轉(zhuǎn)子振動故障診斷中的應(yīng)用[J]. 向玲,朱永利,唐貴基.  中國電機(jī)工程學(xué)報. 2007(35)
[10]基于LabVIEW的刀具磨損在線監(jiān)控系統(tǒng)[J]. 馮艷,羅良玲,夏林.  制造技術(shù)與機(jī)床. 2006(12)



本文編號：3407800