本文選題：刀具狀態(tài)識(shí)別　切入點(diǎn)：時(shí)域特征值　出處：《清華大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年09期

【摘要】：為監(jiān)測(cè)刀具的磨損狀態(tài),該文建立了一個(gè)基于聲發(fā)射的刀具磨損狀態(tài)監(jiān)測(cè)系統(tǒng)。在刀具磨損狀態(tài)監(jiān)測(cè)實(shí)驗(yàn)中,采集加工過程中的聲發(fā)射信號(hào),提取方根幅值、絕對(duì)值均值、均方根、最大值作為反映刀具磨損的時(shí)域特征值。針對(duì)人工神經(jīng)網(wǎng)絡(luò)容易陷入局部極小值、結(jié)構(gòu)難以確定、學(xué)習(xí)收斂速度慢等缺點(diǎn),提出最小二乘支持向量機(jī)(least square support vector machine,LS-SVM)的刀具磨損狀態(tài)識(shí)別方法。針對(duì)LS-SVM性能依賴于懲罰因子和核參數(shù),利用粒子群優(yōu)化(particle swarm optimization,PSO)算法對(duì)LSSVM參數(shù)進(jìn)行自動(dòng)尋優(yōu),建立PSO優(yōu)化LS-SVM模型進(jìn)行刀具磨損狀態(tài)識(shí)別。結(jié)果表明:與LS-SVM識(shí)別模型相比,優(yōu)化后的LS-SVM模型具有更高的識(shí)別率。
[Abstract]:In order to monitor tool wear, a tool wear monitoring system based on acoustic emission is established in this paper.In the tool wear monitoring experiment, the acoustic emission signals are collected and the square root amplitude, the absolute mean value, the mean square root and the maximum value are taken as the time domain eigenvalues to reflect the tool wear.In view of the disadvantages of artificial neural network (Ann), such as easy to fall into local minima, difficult to determine the structure and slow learning convergence, a tool wear recognition method based on least square support vector machine (LS-SVM) is proposed.For LS-SVM performance depends on penalty factor and kernel parameter, particle swarm optimization (PSO) algorithm is used to optimize LSSVM parameters automatically, and PSO optimization LS-SVM model is established to identify tool wear state.The results show that compared with the LS-SVM recognition model, the optimized LS-SVM model has a higher recognition rate.
【作者單位】： 清華大學(xué)機(jī)械工程系;清華大學(xué)精密超精密制造裝備及控制北京市重點(diǎn)實(shí)驗(yàn)室;電子科技大學(xué)機(jī)械電子工程學(xué)院;海軍航空工程學(xué)院飛行器工程系;
【基金】：國(guó)家科技重大專項(xiàng)(2013ZX04001-021)
【分類號(hào)】：TG71;TH871.6;TP18

【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)：1714423