【摘要】：為了檢測車削過程中的顫振,提出一種顫振在線智能檢測方法。使用最小二乘一類支持向量機,訓練出描述特征矢量集的超球面,通過計算被測樣本與超球面的距離來判斷其是否顫振。基于相干準則和分塊矩陣求逆,構(gòu)造了在線稀疏結(jié)構(gòu)的最小二乘一類支持向量機,將特征信息存儲于特征庫(字典)中,通過更新特征庫實現(xiàn)檢測模型的在線進化。在顫振檢測的應用中,首先使用小波包分解,得到第三層節(jié)點能量的比例作為特征矢量,以離線數(shù)據(jù)構(gòu)造特征矢量作為輸入,訓練得到初始檢測模型以及特征庫,在線檢測中不斷更新特征庫,實現(xiàn)檢測模型的在線進化。試驗結(jié)果表明,在車削顫振識別中,在線進化的檢測模型的識別效果更好,顫振預報準確率高達至99.04%,優(yōu)于離線模型的預報準確率96.74%。
[Abstract]:In order to detect chatter in turning process, a method of on-line intelligent flutter detection is proposed. A class of least square support vector machines is used to train the hypersphere to describe the set of feature vectors and to determine whether the hypersphere is flutter or not by calculating the distance between the measured sample and the hypersphere. Based on coherence criterion and block matrix inversion, a class of least squares support vector machines (LSM) with online sparse structure is constructed. The feature information is stored in the feature library (dictionary), and the online evolution of the detection model is realized by updating the signature database. In the application of flutter detection, firstly, wavelet packet decomposition is used to obtain the ratio of the energy of the third layer node as the feature vector, and the off-line data is used as the input to construct the feature vector, and the initial detection model and the signature library are obtained by training. In the online detection, the feature library is constantly updated to realize the online evolution of the detection model. The experimental results show that the on-line evolution detection model has better recognition effect in turning flutter recognition, and the accuracy of flutter prediction is up to 99.04, which is better than that of offline model.
【作者單位】： 上海交通大學機械系統(tǒng)與振動國家重點實驗室;
【基金】：國家重點基礎研究發(fā)展計劃資助項目(973計劃,2013CB035804)
【分類號】：TG51;TP181

【參考文獻】

相關期刊論文 前3條

1 王躍輝;王民;;金屬切削過程顫振控制技術的研究進展[J];機械工程學報;2010年07期

2 李茂月;韓振宇;富宏亞;徐靂;;基于開放式控制器的銑削顫振在線抑制[J];機械工程學報;2012年17期

3 吳石;林連冬;肖飛;渠達;;基于多類超球支持向量機的銑削顫振預測方法[J];儀器儀表學報;2012年11期

【共引文獻】

相關期刊論文 前10條

1 吳定海;張培林;任國全;傅建平;;基于最大間隔超球分類器的柴油機異常檢測研究[J];兵工學報;2011年07期

2 王自強;段愛玲;張德賢;;基于自適應核函數(shù)的支持向量數(shù)據(jù)描述算法[J];北京化工大學學報(自然科學版);2008年02期

3 潘明清;周曉軍;吳瑞明;雷良育;;基于主元分析的支持向量數(shù)據(jù)描述機械故障診斷[J];傳感技術學報;2006年01期

4 胡正平;路亮;馮春生;;基于高維空間凸殼數(shù)據(jù)描述的一類分類算法研究[J];燕山大學學報;2011年04期

5 廖睿;唐燦華;;基于支持向量機的作戰(zhàn)方案評估[J];電腦知識與技術;2010年10期

6 張睿;馬建文;;支持向量機在遙感數(shù)據(jù)分類中的應用新進展[J];地球科學進展;2009年05期

7 游屈波;吳耀云;哈章;;輻射源識別系統(tǒng)中分類器設計及其應用[J];電子信息對抗技術;2011年03期

8 唐靜遠;師奕兵;;采用模糊支持向量機的模擬電路故障診斷新方法[J];電子測量與儀器學報;2009年06期

9 胡正平,張曄;帶拒識能力的雙層支持向量模型分類器[J];電子學報;2005年07期

10 胡正平;吳燕;張曄;;基于迭代順序濾波子空間約束的可拒識-支持向量機微鈣化點檢測[J];電子學報;2006年02期

相關會議論文 前10條

1 ;Data-driven Process Monitoring Method Based on Dynamic Component Analysis[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

2 朱孝開;楊德貴;;基于多層SVDD的模式識別方法[A];第十三屆全國信號處理學術年會（CCSP-2007）論文集[C];2007年

3 ;Combining SOM and local minimum enclosing spheres for novelty detection[A];2009中國控制與決策會議論文集（3）[C];2009年

4 曹薇薇;劉國華;陳國濤;趙峰;;模擬退火在支持向量數(shù)據(jù)描述的參數(shù)選取和特征選擇中的應用[A];第九屆中國不確定系統(tǒng)年會、第五屆中國智能計算大會、第十三屆中國青年信息與管理學者大會論文集[C];2011年

5 胡蔦慶;胡雷;秦國軍;;面向機電系統(tǒng)狀態(tài)監(jiān)控的新異類檢測技術分析[A];2008年全國振動工程及應用學術會議暨第十一屆全國設備故障診斷學術會議論文集[C];2008年

6 谷方明;劉大有;王新穎;;基于半監(jiān)督學習的加權支持向量域數(shù)據(jù)描述方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集(B輯)[C];2010年

7 Deng Xiaogang;Tian Xuemin;;Nonlinear Process Monitoring Using Dynamic Kernel Slow Feature Analysis and Support Vector Data Description[A];第25屆中國控制與決策會議論文集[C];2013年

8 Feifan Shen;Zhihuan Song;Le Zhou;;Improved PCA-SVDD based monitoring method for nonlinear process[A];第25屆中國控制與決策會議論文集[C];2013年

9 肖志博;王煥鋼;肖英超;徐文立;;面向大規(guī)模數(shù)據(jù)集的單類支持向量機[A];2013年中國智能自動化學術會議論文集（第三分冊）[C];2013年

10 易昭湘;張雄美;宋建社;徐遠濤;;基于SVDD的SAR圖像分割[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

相關博士學位論文 前10條

1 楊寧;計算機輔助卷煙配方設計關鍵技術研究[D];中國海洋大學;2010年

2 王曉明;基于統(tǒng)計學習的模式識別幾個問題及其應用研究[D];江南大學;2010年

3 渠瑜;基于SVM的高不平衡分類技術研究及其在電信業(yè)的應用[D];浙江大學;2010年

4 段鐵城;基于人機工程學的油鋸伐木作業(yè)姿勢研究[D];東北林業(yè)大學;2011年

5 皇攀凌;面向鈦合金銑削的變齒距立銑刀研究[D];山東大學;2011年

6 常甜甜;支持向量機學習算法若干問題的研究[D];西安電子科技大學;2010年

7 鄭建煒;基于核方法的說話人辨認模型研究[D];浙江工業(yè)大學;2010年

8 王曉飛;高光譜圖像分辨率增強及在小目標檢測中的應用研究[D];哈爾濱工業(yè)大學;2011年

9 汪通悅;薄壁零件銑削穩(wěn)定性數(shù)值仿真及實驗研究[D];南京航空航天大學;2010年

10 馮愛民;結(jié)構(gòu)驅(qū)動的單類分類器設計及拓展研究[D];南京航空航天大學;2011年

相關碩士學位論文 前10條

1 劉美玲;基于綜合策略支持向量機的孤立點檢測技術[D];大連理工大學;2010年

2 張少捷;基于工業(yè)過程數(shù)據(jù)的故障檢測方法研究[D];華東理工大學;2011年

3 王坤;工業(yè)裝置非高斯過程的性能監(jiān)控與故障診斷[D];華東理工大學;2011年

4 宋玉丹;針對特征缺省數(shù)據(jù)集的模式識別方法與應用研究[D];江南大學;2011年

5 朱帥;微細銑削加工顫振系統(tǒng)動力學分析及銑削過程仿真[D];吉林大學;2011年

6 林超;基于超球體多類支持向量機的高光譜遙感影像分類[D];中南大學;2011年

7 王奇安;基于廣泛內(nèi)核的CVM算法研究及參數(shù)C的選擇[D];南京航空航天大學;2009年

8 楊鐳;支持向量機算法設計及在高分辨雷達目標識別中的應用[D];國防科學技術大學;2010年

9 姜可梅;檢測代替分類的腦機接口研究[D];燕山大學;2011年

10 路亮;基于高維空間目標類幾何覆蓋模型的一類分類器研究[D];燕山大學;2010年

【二級參考文獻】

相關期刊論文 前10條

1 歐進萍,關新春;土木工程智能結(jié)構(gòu)體系的研究與發(fā)展[J];地震工程與工程振動;1999年02期

2 歐進萍,隋莉莉;結(jié)構(gòu)振動控制的半主動磁流變質(zhì)量驅(qū)動器(MR-AMD)[J];地震工程與工程振動;2002年02期

3 黃俊,趙宏聲,姜德生,袁潤章;電流變液和磁流變液及其應用[J];國外建材科技;1996年03期

4 勾治踐,于駿一;變速切削的研究現(xiàn)狀[J];吉林工學院學報(自然科學版);1997年04期

5 于駿一,吳博達,孟祥龍;變速切削過程中電機電流的變化特征[J];吉林工業(yè)大學學報;1993年02期

6 王茂華,于駿一,張永亮;電流變技術在機床顫振控制中應用的研究[J];機械工程學報;2000年11期

7 王民,費仁元;基于電流變材料的切削顫振在線監(jiān)控技術研究[J];機械工程學報;2002年12期

8 王民,費仁元;切削系統(tǒng)可變剛度結(jié)構(gòu)及其顫振控制方法的研究[J];機械工程學報;2002年S1期

9 臧玉萍;張德江;王維正;;基于小波變換技術的發(fā)動機異響故障診斷[J];機械工程學報;2009年06期

10 王躍輝;王民;;金屬切削過程顫振控制技術的研究進展[J];機械工程學報;2010年07期

【相似文獻】

相關期刊論文 前6條

1 李勝輝;劉真;;基于CCD的3種噴墨印刷品均勻度檢測模型的比較[J];包裝工程;2012年01期

2 易軍凱;劉健民;萬靜;;一種基于網(wǎng)絡行為分析的HTTP木馬檢測模型[J];北京化工大學學報(自然科學版);2014年03期

3 宋辛科;基于K-Nearest Neighbor分類算法的異常檢測模型[J];西安石油大學學報(自然科學版);2004年02期

4 許亮斌;陳國明;;經(jīng)驗Bayes理論在海洋結(jié)構(gòu)檢測評價中的應用研究[J];中國海上油氣;2008年04期

5 金華麗;許春紅;李漫男;王曉君;徐澤林;;基于近紅外光譜技術測定小麥籽粒淀粉含量[J];河南工業(yè)大學學報(自然科學版);2011年06期

6 ;[J];;年期

相關會議論文 前7條

1 劉俊榮;王文槿;劉寶旭;;一種基于網(wǎng)絡行為分析的木馬檢測模型[A];第十六屆全國核電子學與核探測技術學術年會論文集（下冊）[C];2012年

2 馬文忠;郭江艷;陳科成;楊珊;王艷麗;;基于神經(jīng)網(wǎng)絡的供熱燃燒系統(tǒng)檢測模型的研究[A];2011中國電工技術學會學術年會論文集[C];2011年

3 張廣軍;賀俊吉;;基于圓結(jié)構(gòu)光的內(nèi)表面三維視覺檢測模型[A];中國儀器儀表學會學術論文集[C];2004年

4 武照東;劉英凱;劉春;吳秀峰;;Overlay網(wǎng)絡的鏈路故障檢測模型[A];2008通信理論與技術新發(fā)展——第十三屆全國青年通信學術會議論文集（下）[C];2008年

5 王建平;張自立;魏華;;戰(zhàn)術空域沖突檢測模型研究[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

6 李京鵬;楊林;劉世棟;;防火墻狀態(tài)檢測模型研究[A];第十八次全國計算機安全學術交流會論文集[C];2003年

7 周雙娥;熊國平;;基于Petri網(wǎng)的故障檢測模型的設計與分析[A];第六屆中國測試學術會議論文集[C];2010年

相關博士學位論文 前4條

1 趙靜;網(wǎng)絡協(xié)議異常檢測模型的研究與應用[D];北京交通大學;2010年

2 趙斌;基于圖模型的微博數(shù)據(jù)分析與管理[D];華東師范大學;2012年

3 牛清寧;基于信息融合的疲勞駕駛檢測方法研究[D];吉林大學;2014年

4 劉鵬飛;鋁合金點焊質(zhì)量的逆過程檢測方法研究[D];天津大學;2008年

相關碩士學位論文 前10條

1 黃茂成;網(wǎng)絡異常流量檢測模型研究[D];哈爾濱理工大學;2009年

2 郭修昌;基于決策樹的網(wǎng)絡隱蔽通道檢測模型的研究[D];南京理工大學;2009年

3 張瑞;網(wǎng)絡異常流量檢測模型設計與實現(xiàn)[D];北京郵電大學;2008年

4 陳京浩;進程檢測模型及相關技術的研究與實現(xiàn)[D];重慶大學;2005年

5 季必貴;基于共同交易行為的在線交易欺詐檢測模型研究[D];重慶大學;2014年

6 陳濤;網(wǎng)絡威脅檢測模型及行為序列分析方法研究[D];西安電子科技大學;2010年

7 王曉慧;微博僵尸用戶檢測研究[D];鄭州大學;2014年

8 張強;安全推薦系統(tǒng)中基于信任的檢測模型研究[D];上海交通大學;2009年

9 萬強;無線傳感器網(wǎng)絡的兩點聯(lián)合檢測模型及空間覆蓋的研究[D];電子科技大學;2013年

10 徐龍;基于MBD的檢驗方法研究[D];西南交通大學;2014年

，

本文編號：2202643