刀具磨损状态特征参数提取与识别方法研究

刀具磨损状态特征参数提取与识别方法研究

论文摘要

为准确识别刀具磨损状态,提出了基于MF-DFA的特征提取方法和基于LS-SVM的磨损状态辨识方法。设计了刀具磨损试验方案;提出了具有可调节参数的改进阈值小波降噪方法,解决了硬阈值降噪不连续和软阈值降噪失真问题,降噪后信号的信噪比和均方误差优于另外两种阈值;分析了多重分形谱参数与声发射信号特征对应关系,基于此初选了特征参数,根据刀具不同磨损阶段各参数的分布情况优选了特征参数,且优选特征参数聚类效果极佳;采用基于LS-SVM算法的磨损阶段识别方法,分别使用初选特征参数与优选特征参数进行模式识别,实验结果表明,优选特征参数的识别精度明显高于初选特征参数;与BP神经网络、SVM算法相比,LS-SVM算法的识别准确率最高、时间消耗最小。

论文目录

  • 0 引言
  • 1 刀具磨损与实验设计
  •   1.1 刀具磨损划分
  •   1.2 实验方案
  •   1.3 实验条件及信号采集步骤
  • 2 改进阈值函数小波降噪
  •   2.1 离散小波变换参数选择
  •   2.2 阈值改进
  •   2.3 降噪效果验证
  • 3 基于分形理论的特征提取方法
  •   3.1 多重分形去趋势波动分析
  •   3.2 多重分形谱参数及特征参数初选
  •   3.3 特征参数优选
  • 4 刀具磨损阶段识别与试验验证
  •   4.1 LS-SVM分类原理
  •   4.2 模式识别结果及分析
  •   4.3 不同模式识别方法对比
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 唐利平,刘海雄

    关键词: 刀具磨损状态,改进小波阈值,多重分形谱,去趋势波动分析,最小二乘支持向量机

    来源: 组合机床与自动化加工技术 2019年10期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

    专业: 金属学及金属工艺,自动化技术

    单位: 湖南汽车工程职业学院

    基金: 湖南省教育厅科学研究项目(16C0821)

    分类号: TP18;TG71

    DOI: 10.13462/j.cnki.mmtamt.2019.10.003

    页码: 10-14+19

    总页数: 6

    文件大小: 1280K

    下载量: 202

    相关论文文献

    标签:;  ;  ;  ;  ;  

    刀具磨损状态特征参数提取与识别方法研究
    下载Doc文档

    猜你喜欢