【摘要】：針對(duì)銑削刀具磨損狀態(tài)識(shí)別問題,提出諧波小波包和最小二乘支持向量機(jī)(LS-SVM)的狀態(tài)識(shí)別方法。為克服傳統(tǒng)小波包分解的頻帶交疊問題,采用諧波小波包提取不同磨損狀態(tài)下銑削力信號(hào)的各頻段信號(hào)能量,歸一化處理后,輸入LS-SVM多類分類器,實(shí)現(xiàn)銑削刀具磨損狀態(tài)的識(shí)別。針對(duì)LS-SVM的懲罰因子和核參數(shù)對(duì)模型識(shí)別精度影響較大的問題,提出回溯搜索算法(BSA)進(jìn)行自動(dòng)參數(shù)尋優(yōu)。實(shí)驗(yàn)結(jié)果表明,諧波小波包比小波包在刀具磨損狀態(tài)特征提取時(shí)具有更好的識(shí)別效果。與粒子群算法進(jìn)行比較,證明BSA優(yōu)化LS-SVM具有更高的識(shí)別精度。
[Abstract]:A state recognition method based on harmonic wavelet packet and least square support vector machine (LS-SVM) is proposed to identify the wear state of milling tool. In order to overcome the overlapping problem of traditional wavelet packet decomposition, harmonic wavelet packet is used to extract the signal energy of milling force signal in different wear states. After normalized processing, LS-SVM multi-class classifier is input. The recognition of milling tool wear state is realized. Aiming at the problem that the penalty factor and kernel parameters of LS-SVM have great influence on the model recognition accuracy, a backtracking search algorithm (BSA) is proposed for automatic parameter optimization. The experimental results show that harmonic wavelet packet has better recognition effect than wavelet packet in feature extraction of tool wear state. Compared with particle swarm optimization (PSO), it is proved that BSA optimized LS-SVM has higher recognition accuracy.
【作者單位】： 華中科技大學(xué)機(jī)械學(xué)院數(shù)字制造裝備與技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室;湖北汽車工業(yè)學(xué)院電氣與信息工程學(xué)院;寧波大學(xué)機(jī)械工程與力學(xué)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51575211,51421062);國(guó)家自然科學(xué)基金國(guó)際(地區(qū))合作與交流項(xiàng)目(51561125002) 湖北省自然科學(xué)基金資助項(xiàng)目(2014CFB348) 高等學(xué)校學(xué)科創(chuàng)新引智計(jì)劃資助項(xiàng)目(B16019)
【分類號(hào)】：TG714

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 王明;高東方;;基于振動(dòng)信號(hào)的銑刀磨損狀態(tài)識(shí)別[J];制造業(yè)自動(dòng)化;2010年12期

2 康廷杰;周金旭;;基于聲發(fā)射技術(shù)的磨削狀態(tài)識(shí)別[J];機(jī)械制造與自動(dòng)化;2009年02期

3 徐曉麗;舒賾;鐘秉林;;模糊決策樹在磨削狀態(tài)識(shí)別中的應(yīng)用[J];微計(jì)算機(jī)信息;2008年19期

4 劉巖;劉璨;;線性機(jī)與粗糙集綜合聚類的銑刀破損狀態(tài)識(shí)別[J];機(jī)電工程技術(shù);2006年07期

5 董桂華;張壽明;;基于數(shù)據(jù)融合的鋁箔軋制過程狀態(tài)識(shí)別研究[J];自動(dòng)化儀表;2009年11期

6 劉剛;;基于切削聲音的刀具磨損狀態(tài)識(shí)別研究[J];機(jī)械研究與應(yīng)用;2008年06期

相關(guān)會(huì)議論文 前1條

1 劉偉;郭鐘寧;張永俊;何建文;;面向IGBT主動(dòng)驅(qū)動(dòng)并聯(lián)仿真研究[A];第11屆粵港機(jī)械電子工程技術(shù)與應(yīng)用研討會(huì)論文匯編[C];2010年

，

本文編號(hào)：2134075