-
题名基于GMM的纳米制造刀具磨损状态在线识别
- 1
-
-
作者
程菲
江子湛
-
机构
杭州电子科技大学管理学院
安徽信息工程学院大数据与人工智能学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2024年第11期4075-4086,共12页
-
基金
浙江省社会科学界联合会资助项目(2022N31)
安徽省自然科学基金资助项目(2008085MF201)
安徽省哲学社会科学规划一般项目(AHSKY2021D142)。
-
文摘
为满足纳米制造刀具磨损状态在线诊断对时间和精度的要求,采用跨物理数据融合建模方案,建立具有物理一致性的高斯混合模型(GMM),以动态识别原子力显微镜(AFM)尖端状态。随机抽取历史加工数据,提取特征参数并进行训练,获得3维GMM模型并预存;以加窗分帧的形式,截取连续过程中短时段纳米加工力时变信号,构成瞬时稳态数据空间;以尖端旋转周期为时间单位,计算横向加工力的特征参数:极大值、峰-峰值和方差;采用马氏距离检测并去除异常值。使用预存的GMM模型,对每帧特征参数聚类,识别尖端磨损状态;根据连续分析帧的尖端失效点数据变化曲线,探测跟踪尖端状态。实验证明该算法平均识别精度为0.8917,平均召回率为0.963;每2000个点的最长识别时间为31ms,平均识别时间为23.97ms,适用于大规模纳米制造的刀具磨损在线自动诊断。
-
关键词
纳米加工
刀具磨损在线诊断
高斯混合模型
机器学习
数据融合集成制造
-
Keywords
Nano-machining
online diagnosis of tip wear
Gaussian mixture model
machine learning
data fusion integrated manufacturing
-
分类号
TG71
[金属学及工艺—刀具与模具]
-
