-
题名基于判别字典学习的刀具磨损状态分类
- 1
-
-
作者
罗长源
袁德志
李申申
朱锟鹏
-
机构
武汉科技大学机械工程学院
中国科学院合肥物质科学研究院智能机械研究所
-
出处
《机床与液压》
北大核心
2025年第4期47-53,共7页
-
基金
国家自然科学基金面上项目(52175528)。
-
文摘
传统的数据驱动刀具磨损状态分类依赖于特征的提取与选择,极大影响分类性能。为了实现自动提取刀具磨损状态对应的特征,提出一种基于判别字典学习的刀具磨损状态分类模型(DDLC),此模型联合用于稀疏表示的判别字典和用于模式识别的线性分类器,模型的结构简单、复杂度低、准确率高。在训练阶段,为了增强字典学习的可判别性,在字典学习过程中引入判别稀疏编码误差、重构误差和分类误差,建立了统一的字典学习优化目标。同时将多方向力进行数据级融合作为模型的输入信号。与其他经典的刀具磨损状态监测模型进行比较,所提模型的准确率和F1分数分别为98.46%和97.62%,证明了DDLC方法在刀具磨损状态分类方面的有效性和优越性,其检测精度满足实际加工需求,为刀具磨损状态监测提供了一种新方法。
-
关键词
稀疏表示
判别字典学习
数据融合
刀具磨损状态监测
-
Keywords
sparse representation
discriminant dictionary learning
data fusion
monitoring of tool wear condition
-
分类号
TP23
[自动化与计算机技术—检测技术与自动化装置]
-
