為了準(zhǔn)確識(shí)別刀具磨損狀態(tài),提出一種細(xì)菌覓食算法(BFA)優(yōu)化集合經(jīng)驗(yàn)?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(hào)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(hào);最后從重構(gòu)信號(hào)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(jìn)行故障診斷。通過對刀具實(shí)驗(yàn)數(shù)據(jù)的分析,驗(yàn)證了此方法的可靠性和準(zhǔn)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(dòng)信號(hào)采集
    2.2 參數(shù)優(yōu)化
    2.3 信號(hào)重構(gòu)
    2.4 診斷結(jié)果分析
3 結(jié)語



本文編號(hào)：3765755