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
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：刀具磨损状态论文; 改进小波阈值论文; 多重分形谱论文; 去趋势波动分析论文; 最小二乘支持向量机论文;