為了準確識別刀具磨損狀態(tài),提出一種細菌覓食算法(BFA)優(yōu)化集合經(jīng)驗?zāi)B(tài)分解(EEMD)并與隱馬爾可夫模型(HMM)結(jié)合的刀具故障診斷方法。首先利用BFA優(yōu)化EEMD的白噪聲幅值系數(shù)和總體平均次數(shù),通過設(shè)置優(yōu)化得到的最優(yōu)參數(shù),將降噪后的信號經(jīng)EEMD分解為一系列本征模態(tài)分量(IMF);再依據(jù)峭度和相關(guān)系數(shù)重構(gòu)信號;最后從重構(gòu)信號中提取特征向量作為觀測序列輸入已訓(xùn)練好的HMM分類器中進行故障診斷。通過對刀具實驗數(shù)據(jù)的分析,驗證了此方法的可靠性和準確性。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 相關(guān)理論
    1.1 EEMD算法及本征模態(tài)分量(IMF)篩選
    1.2 BFA
        1.2.1 趨向操作
        1.2.2 復(fù)制操作
        1.2.3 遷移操作
    1.3 優(yōu)化模型的建立
    1.4 故障檢測流程
2 刀具故障診斷
    2.1 振動信號采集
    2.2 參數(shù)優(yōu)化
    2.3 信號重構(gòu)
    2.4 診斷結(jié)果分析
3 結(jié)語



本文編號：3765755