基于离散小波变换与遗传BP神经网络的木工刀具磨损状态监测 被引量：7

1

作者 董伟航 胡勇 +2 位作者 田广军 邱学海 郭晓磊 《中南林业科技大学学报》 CAS CSCD 北大核心 2021年第6期157-166,共10页

【目的】为解决木质家具生产过程中木工刀具磨损造成的加工质量下降和生产成本升高的问题,需要对生产过程中的木工刀具磨损状态进行精确监测。【方法】提出了一种基于离散小波变换与遗传BP神经网络的木工刀具磨损状态监测方法。通过接... 【目的】为解决木质家具生产过程中木工刀具磨损造成的加工质量下降和生产成本升高的问题,需要对生产过程中的木工刀具磨损状态进行精确监测。【方法】提出了一种基于离散小波变换与遗传BP神经网络的木工刀具磨损状态监测方法。通过接入机床控制箱的功率传感器采集不同主轴转速、铣削深度和刀具磨损状态下的机床主轴功率信号,使用离散小波变换提取主轴功率信号的近似系数,将所提取的近似系数、主轴转速、铣削深度作为输入向量,刀具磨损作为输出向量,建立样本数据集,并将样本数据集输入BP神经网络中进行木工刀具磨损状态监测模型训练,同时使用遗传算法对BP神经网络的阈值和权值进行优化,实现对不同铣削条件下的木工刀具磨损状态进行精确监测。【结果】离散小波变换所提取主轴信号的近似系数能明显反映木工刀具磨损状态变化;在使用相同的样本数据集与遗传算法参数时,使用遗传BP神经网络所建立的木工刀具磨损状态监测模型的准确度可以达到100%,优于使用遗传概率神经网络建立监测模型的准确度。【结论】即使在样本数据集选取不佳时,本研究提出的监测方法仍然能对不同铣削条件下的木工刀具磨损状态进行精准监测,可以用于木质家具实际生产,达到提高木质家具加工质量、降低生产成本的目的。 展开更多

关键词 木工刀具磨损状态监测 铣削参数 主轴功率 离散小波变换 遗传算法 BP神经网络

在线阅读 下载PDF 职称材料

基于可听声信号熵特征的刀具磨损状态监测 被引量：1

2

作者 谢达 鲁钟文 +3 位作者 孙丽 杨磊 吴军 李国超 《制造技术与机床》 北大核心 2025年第4期35-40,共6页

基于可听声信号的刀具磨损状态监测具备成本低、传感器安装便捷以及不干扰加工过程等优势,应用前景十分广阔。然而,可听声信号包含大量环境噪声,致使监测精度欠佳。为此,提出一种基于可听声信号熵特征的刀具磨损状态监测方法。首先,提... 基于可听声信号的刀具磨损状态监测具备成本低、传感器安装便捷以及不干扰加工过程等优势,应用前景十分广阔。然而,可听声信号包含大量环境噪声,致使监测精度欠佳。为此,提出一种基于可听声信号熵特征的刀具磨损状态监测方法。首先,提取加工过程中可听声信号的7种熵特征;其次,采用相关性分析方法,选出皮尔逊相关系数(Pearson correlation coefficient,PCC)绝对值大于0.9的香农熵、小波熵、排列熵和近似熵特征;最后,采用长短时记忆(long short-term memory,LSTM)网络构建刀具磨损状态监测模型。试验结果显示,熵特征可抵御噪声干扰,且监测精度均方根误差(root mean square error,RMSE)为0.0041 mm。 展开更多

关键词 熵特征 长短时记忆网络 刀具磨损状态监测 可听声信号 铣刀

在线阅读 下载PDF 职称材料

基于分层隐马尔科夫模型的刀具磨损状态监测

3

作者 梁东鹏 袁德志 朱锟鹏 《组合机床与自动化加工技术》 北大核心 2025年第1期180-184,189,共6页

针对在以往的刀具磨损状态监测中,磨损状态的错误识别现象往往出现在磨损状态的衔接区这一问题,提出了一种基于分层隐马尔科夫模型(hierarchical hidden markov model,HHMM)的刀具磨损状态监测方法。首先,采用力信号和振动信号作为监测... 针对在以往的刀具磨损状态监测中,磨损状态的错误识别现象往往出现在磨损状态的衔接区这一问题,提出了一种基于分层隐马尔科夫模型(hierarchical hidden markov model,HHMM)的刀具磨损状态监测方法。首先,采用力信号和振动信号作为监测信号,提取时域、频域和时频域特征;其次,通过刀具磨损物理模型对刀具磨损阶段进行划分,提高模型的物理可解释性;然后,采用Fisher Score(FS)特征选择方法筛选出刀具不同磨损状态的敏感特征,构建不同磨损状态的敏感特征集;最后,使用不同磨损状态的敏感特征集训练HHMM,建立分类模型库,从而实现刀具磨损状态监测。实验结果表明,所提模型可以有效地提高刀具磨损状态的识别率,准确率为98.41%,综合查准率和查全率的Macro-F1评价指标为98.44%。 展开更多

关键词 Fisher Score 特征选择 分层隐马尔科夫模型 刀具磨损状态监测

在线阅读 下载PDF 职称材料

基于IPOA-MSCNN-BiLSTM-Attention模型的刀具磨损状态识别

4

作者 杨焕峥 崔业梅 +1 位作者 薛洪惠 徐玲 《组合机床与自动化加工技术》 北大核心 2025年第7期158-163,共6页

刀具状态监测直接影响产品加工质量,为了提高刀具磨损状态识别的准确性,构建了IPOA-MSCNN-BiLSTM-Attention模型。首先,采用多尺度卷积神经网络(MSCNN)和双向长短时记忆网络(BiLSTM)来学习数据的时空特征;其次,引入注意力机制(Attention... 刀具状态监测直接影响产品加工质量,为了提高刀具磨损状态识别的准确性,构建了IPOA-MSCNN-BiLSTM-Attention模型。首先,采用多尺度卷积神经网络(MSCNN)和双向长短时记忆网络(BiLSTM)来学习数据的时空特征;其次,引入注意力机制(Attention)以增强对关键信息的关注度;再次,提出了一种改进的鹈鹕优化算法(IPOA),用于优化模型多尺度卷积神经网络的参数。该算法结合自适应惯性权重因子、柯西变异和麻雀警戒机制策略,在CEC2005至CEC2022的众多函数性能测试中综合表现优于传统POA等5种算法;最后,在工业控制计算机(IPC)上运行了模型。结果表明,该模型在刀具磨损状态识别方面表现出较高的识别精度,可提高加工安全与生产效率。 展开更多

关键词 刀具磨损 状态监测 改进的鹈鹕优化算法 多尺度卷积神经网络 双向长短时记忆网络

在线阅读 下载PDF 职称材料

多传感器信息融合的刀具磨损状态智能监测系统 被引量：3

5

作者 孙巍伟 黄民 +1 位作者 何一千 郭中原 《机床与液压》 北大核心 2024年第17期222-228,共7页

为了提高数控机床刀具磨损状态智能监测的可靠性,提出一种基于多传感器信息融合的刀具磨损状态智能监测方法及系统。利用多种传感器分别采集刀具加工过程中的机床变频器输入电流信号、工件三向振动信号和声信号,然后对采集到的信号进行... 为了提高数控机床刀具磨损状态智能监测的可靠性,提出一种基于多传感器信息融合的刀具磨损状态智能监测方法及系统。利用多种传感器分别采集刀具加工过程中的机床变频器输入电流信号、工件三向振动信号和声信号,然后对采集到的信号进行时域、频域和时频域处理分析。系统自动识别提取出其中与刀具磨损程度相关性较高的敏感特征变量,并利用马氏距离法对敏感特征向量进行分析计算,确定刀具不同状态下的阈值,并据此判断刀具的磨损状态。最后基于上述原理利用QT开发平台研发一套完整的数控机床刀具磨损状态智能监测系统。试验结果表明,该系统能够实时准确地监测出刀具的磨损状态。 展开更多

关键词 刀具磨损 特征提取 状态监测 多传感器融合

在线阅读 下载PDF 职称材料

基于判别字典学习的刀具磨损状态分类

6

作者 罗长源 袁德志 +1 位作者 李申申 朱锟鹏 《机床与液压》 北大核心 2025年第4期47-53,共7页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于深度迁移混合模型的刀具磨损状态监测方法 被引量：1

7

作者 唐祎晖 王宇钢 +2 位作者 杨历夏 张阴硕 穆俊珍 《机床与液压》 北大核心 2024年第20期63-71,共9页

为提高刀具磨损的监测精度和效率,针对加工过程中刀具磨损状态监测出现的数据不均衡问题,提出一种基于深度迁移混合模型的刀具磨损状态监测方法。通过混合类平衡正则化、数据增强与批量归一化技术对经过图像编码的数据集进行图像预处理... 为提高刀具磨损的监测精度和效率,针对加工过程中刀具磨损状态监测出现的数据不均衡问题,提出一种基于深度迁移混合模型的刀具磨损状态监测方法。通过混合类平衡正则化、数据增强与批量归一化技术对经过图像编码的数据集进行图像预处理,再利用ResNet32残差神经网络从图像中自适应地提取相关重要特征,然后采用ResNet32残差神经网络作为分类器进行两阶段训练,采用标签感知平滑优化损失函数,通过参数迁移获得最优分类模型。结果表明:所提方法有效改善了刀具磨损监测数据不均衡的问题,与目前的基于深度学习的刀具磨损监测方法相比,在准确率和计算效率方面均有较大提高。 展开更多

关键词 刀具磨损状态监测 深度迁移混合模型 数据增强 参数迁移

在线阅读 下载PDF 职称材料

基于深度学习的CFRP/TC4叠层结构制孔刀具磨损状态监测

8

作者 江庆泉 李鹏南 +2 位作者 邱新义 李树健 王春浩 《宇航材料工艺》 CAS CSCD 北大核心 2024年第5期40-49,共10页

碳纤维复合材料(CFRP)和钛合金(TC4)因各具有优良的物理力学性能,其叠层结构广泛应用于航天工业领域。由于CFRP和TC4都属于典型难加工材料,且具有不同的机械和热学特性,因而在制孔过程中,刀具磨损较快,从而影响加工质量。为了保证钻孔... 碳纤维复合材料(CFRP)和钛合金(TC4)因各具有优良的物理力学性能,其叠层结构广泛应用于航天工业领域。由于CFRP和TC4都属于典型难加工材料,且具有不同的机械和热学特性,因而在制孔过程中,刀具磨损较快,从而影响加工质量。为了保证钻孔质量、及时更换刀具,建立了一种基于卷积神经网络-长短期记忆网络(CNN-LSTM)的刀具磨损状态监测模型。该模型以与刀具磨损相关性较强的力、声发射信号特征作为输入,以刀具磨损状态标签作为输出,从而实现刀具磨损状态的监测。结果表明,该模型识别准确率高达97.222%,可以很好地实现CFRP/TC4叠层结构制孔过程中刀具磨损状态的监测。 展开更多

关键词 刀具磨损状态监测 CFRP/TC4叠层 特征提取 深度学习

在线阅读 下载PDF 职称材料

基于半监督并行门控CNN-LSTM的微铣削刀具磨损状态监测

9

作者 吕鑫峰 郑刚 张旭 《组合机床与自动化加工技术》 北大核心 2024年第10期100-104,共5页

微铣削过程中主轴高转速和刀具小尺寸的特点,导致刀具磨损异常严重。为实现高精度和高效率的刀具磨损状态监测,提出了一种将小波去噪的半监督网络与改进并行门控网络相结合的监测方法。首先,采用小波软阈值函数去除噪声,降低半监督网络... 微铣削过程中主轴高转速和刀具小尺寸的特点,导致刀具磨损异常严重。为实现高精度和高效率的刀具磨损状态监测,提出了一种将小波去噪的半监督网络与改进并行门控网络相结合的监测方法。首先,采用小波软阈值函数去除噪声,降低半监督网络对无标签数据分类的误导程度;其次,采用有标签数据训练半监督网络提取特征,对无标签数据进行分类;最后,改进并行门控卷积神经网络-长短时记忆网络(CNN-LSTM)模型提取全局特征并额外增加模型表达能力。结果表明,通过小波去噪后的半监督网络能有效增加无标签数据的利用率;提出的改进并行门控CNN-LSTM模型,刀具磨损分类准确率到了93.61%,有效提高了刀具磨损状态监测的准确性和高效性。 展开更多

关键词 刀具磨损状态监测 小波去噪 半监督网络 并行门控

在线阅读 下载PDF 职称材料

支持向量机在刀具磨损多状态监测中的应用 被引量：20

10

作者 王国锋 李启铭 +3 位作者 秦旭达 喻秀 崔银虎 彭东彪 《天津大学学报》 EI CAS CSCD 北大核心 2011年第1期35-39,共5页

基于多传感器信号、采用多分类支持向量机(support-vector-machine,SVM)实现了刀具监测的多状态辨识.通过对切削过程中的多向切削力和振动信号等多传感器信息进行分析,分别获得时域、频域和小波域的信息作为磨损分类特征;同时,运用基于... 基于多传感器信号、采用多分类支持向量机(support-vector-machine,SVM)实现了刀具监测的多状态辨识.通过对切削过程中的多向切削力和振动信号等多传感器信息进行分析,分别获得时域、频域和小波域的信息作为磨损分类特征;同时,运用基于一对多(one-versus-all,OVA)的多分类支持向量机对刀具不同磨损状态下的特征数据样本进行训练和识别.对切削过程中不同磨损状态的分类结果表明,多分类支持向量机具有出色的学习能力,能够实现在小样本情况下的不同磨损阶段分类,并具有较高的识别精度. 展开更多

关键词 刀具磨损监测 支持向量机 一对多 多状态识别

在线阅读 下载PDF 职称材料

基于深度门控循环单元神经网络的刀具磨损状态实时监测方法 被引量：15

11

作者 陈启鹏 谢庆生 +3 位作者 袁庆霓 黄海松 魏琴 李宜汀 《计算机集成制造系统》 EI CSCD 北大核心 2020年第7期1782-1793,共12页

为监测生产加工过程中的刀具磨损状态,提出一种基于深度门控循环单元神经网络的轻量化状态监测模型。首先,预处理阶段对加速度传感器采集的时序信号进行小波阈值去噪,并将每次刀具进给产生的冗长信号划分为多个训练样本,以滤除噪声、改... 为监测生产加工过程中的刀具磨损状态,提出一种基于深度门控循环单元神经网络的轻量化状态监测模型。首先,预处理阶段对加速度传感器采集的时序信号进行小波阈值去噪,并将每次刀具进给产生的冗长信号划分为多个训练样本,以滤除噪声、改善算法的鲁棒性;然后,利用卷积神经网络(CNN)从时序信号输入中自适应地提取特征,构建深度双向门控循环单元(BiGRU)神经网络学习特征向量间的时序信息,并将Attention机制的思想引入其中,自适应地感知对磨损状态分类结果有关联的网络权重,并对其进行合理分配,避免因人工提取特征带来的复杂性和局限性。实验结果表明,所提方法能够对传感器采集的原始数据实时准确地预测刀具磨损状态,在识别精度和泛化能力上均达到了较好的效果,为实际工业场景下的刀具磨损状态监测提供了新的思路。 展开更多

关键词 刀具磨损状态 实时监测 小波去噪 卷积神经网络 双向门控循环单元 Attention机制

在线阅读 下载PDF 职称材料

刀具磨损状态在线监测技术 被引量：6

12

作者 王忠民 王信义 +1 位作者 杨大勇 陈爱弟 《制造技术与机床》 CSCD 北大核心 2000年第6期40-41,共2页

通过对切削加工过程中声发射 (AE)信号频域特征的研究 ,指出了 AE信号中与刀具磨损状态有关的成分在频域内的分布规律 ,在此基础上分析了 AE信号的均方根值 AERMS和振铃计数与刀具后面磨损量 VB之间的对应关系 ,建立了一种基于 AE信号... 通过对切削加工过程中声发射 (AE)信号频域特征的研究 ,指出了 AE信号中与刀具磨损状态有关的成分在频域内的分布规律 ,在此基础上分析了 AE信号的均方根值 AERMS和振铃计数与刀具后面磨损量 VB之间的对应关系 ,建立了一种基于 AE信号能量的双阈值判断监测方法。 展开更多

关键词 声发射 刀具磨损 状态监测

在线阅读 下载PDF 职称材料

采用门控循环单元神经网络和多特征融合的铣削刀具磨损监测 被引量：1

13

作者 葛慧 韩林池 +7 位作者 麻俊方 宋清华 王润琼 刘战强 杜宜聪 王兵 蔡玉奎 赵金富 《机械科学与技术》 CSCD 北大核心 2024年第4期667-673,共7页

为实现汽车发动机缸盖生产中刀具磨损状态的监测,提高刀具磨损监测方法的计算效率和识别精度,基于门控循环单元神经网络和多特征融合方法提出了面向铣刀后刀面磨损带宽度识别的刀具状态监测方法。通过铣削力信号数据对所提出方法的有效... 为实现汽车发动机缸盖生产中刀具磨损状态的监测,提高刀具磨损监测方法的计算效率和识别精度,基于门控循环单元神经网络和多特征融合方法提出了面向铣刀后刀面磨损带宽度识别的刀具状态监测方法。通过铣削力信号数据对所提出方法的有效性进行了验证,分析了不同超参数设置对模型识别精度的影响机制,给出了最优超参数,实现了对铣削刀具磨损的精确识别。 展开更多

关键词 刀具磨损 铣削力信号 状态监测 门控循环单元神经网络

在线阅读 下载PDF 职称材料

钛合金车削加工过程中刀具磨损状态监测的小波包子带能量变换特征提取新方法 被引量：4

14

作者 陈侃 傅攀 +1 位作者 李威霖 曹伟青 《组合机床与自动化加工技术》 北大核心 2011年第1期35-38,共4页

在小波包分析的基础上,提出对小波包子带能量特征抽取的新算法。考虑到小波包能量子带的动态特性和统计特性可以作为刀具磨损状态识别特征提取的来源,提出将小波包子带能量相对比率、小波包子带能量相对比率的变化值、小波包子带能量相... 在小波包分析的基础上,提出对小波包子带能量特征抽取的新算法。考虑到小波包能量子带的动态特性和统计特性可以作为刀具磨损状态识别特征提取的来源,提出将小波包子带能量相对比率、小波包子带能量相对比率的变化值、小波包子带能量相对比率的变化值的统计偏差(能量距)作为三个新特征值。建立刀具磨损状态监测实验平台,采集刀具三维力反馈、振动信号作为监测信号。按常规特征抽取方法和本研究中提出的方法抽取特征值,形成网络训练、识别特征值空间。用梯度下降法训练建立BP人工神经网络,对刀具四种磨损状态进行识别,验证小波包子带能量变换提取到的特征的有效性。 展开更多

关键词 小波包分子带能量 刀具磨损 子带能量变换 模式识别 状态监测

在线阅读 下载PDF 职称材料

具备高适应性的高速铣削刀具磨损状态监测系统 被引量：5

15

作者 申志刚 何宁 《南京航空航天大学学报》 EI CAS CSCD 北大核心 2013年第1期49-54,共6页

为提高加工监测系统的适应性和智能化程度,提出基于刀具磨损曲线的实时刀具状态监测系统。自学习能力的引入使该系统可自动进行不同刀具状态的识别和磨损程度的估计,较大程度上摆脱对系统事先"教学"的依赖。同时为有效抑制切... 为提高加工监测系统的适应性和智能化程度,提出基于刀具磨损曲线的实时刀具状态监测系统。自学习能力的引入使该系统可自动进行不同刀具状态的识别和磨损程度的估计,较大程度上摆脱对系统事先"教学"的依赖。同时为有效抑制切削参数变化带来的干扰,提出一种特征提取方法来自动提取敏感特征,减少监测系统开发时间和成本。针对高速铣削过程的刀具磨损监测,采用切削力和声发射传感器来采集信号,并运用时域、频域和小波分析技术来对信号进行处理,试验结果证明了所提出的自动特征提取方法的有效性和智能刀具状态监测系统的高适应性。 展开更多

关键词 状态监测 传感器 小波分解 马氏距离 刀具磨损

在线阅读 下载PDF 职称材料

基于声发射信号的振动钻削刀具磨损状态监测试验研究 被引量：11

16

作者 张学忱 刘红岩 +1 位作者 史尧臣 宗姝 《机床与液压》 北大核心 2020年第13期189-192,共4页

针对钻削加工时难以直接观察刀具磨损状态的问题,基于声发射采集系统设计了超声轴向振动钻削刀具磨损状态监测装置,并在7075铝板上进行超声振动钻削试验。分析刀具磨损状态对声发射信号RMS值的影响,并通过小波分解技术对比分析刀具在不... 针对钻削加工时难以直接观察刀具磨损状态的问题,基于声发射采集系统设计了超声轴向振动钻削刀具磨损状态监测装置,并在7075铝板上进行超声振动钻削试验。分析刀具磨损状态对声发射信号RMS值的影响,并通过小波分解技术对比分析刀具在不同磨损状态下的声发射信号变化规律;根据声发射信号对刀具磨损状态进行实时监测。试验结果表明:声发射信号的RMS值与刀具的磨损程度呈正相关;通过小波分解可知,随着刀具磨损的增加,信号的能量逐渐由低频段向高频段转移,可以通过监测声发射信号RMS值与能量的变化实现刀具磨损状态的有效识别。 展开更多

关键词 刀具磨损 状态监测 声发射信号 振动钻削 RMS值 小波分解

在线阅读 下载PDF 职称材料

多传感器信息集成在线监测切削刀具磨损状态的实验研究 被引量：1

17

作者 陈新全 张津 黄红兵 《长沙水电师院学报（自然科学版）》 2001年第4期73-74,共2页

建立了基于多传感器信息集成的刀具磨损状态在线监测系统 。

关键词 信息集成 在线监测 磨损状态 实验研究 切削刀具 传感器

在线阅读 下载PDF 职称材料

采用改进CNN-BiLSTM模型的刀具磨损状态监测 被引量：22

18

作者 刘会永 张松 +1 位作者 李剑峰 栾晓娜 《中国机械工程》 EI CAS CSCD 北大核心 2022年第16期1940-1947,1956,共9页

自动化切削加工过程中,准确可靠地监测刀具磨损状态是保证加工质量和加工效率的关键。针对刀具磨损状态相关特征提取繁琐、准确率低及传统的深度学习网络不能全面提取数据隐含信息等问题,提出了一种以卷积神经网络(CNN)和双向长短时记忆... 自动化切削加工过程中,准确可靠地监测刀具磨损状态是保证加工质量和加工效率的关键。针对刀具磨损状态相关特征提取繁琐、准确率低及传统的深度学习网络不能全面提取数据隐含信息等问题,提出了一种以卷积神经网络(CNN)和双向长短时记忆(BiLSTM)网络集成模型为基础并通过在卷积神经网络中添加批量标准化层和采用两个双向长短时记忆网络层的改进模型,该模型通过自动提取小波阈值降噪等预处理和降采样后的切削力、振动和声音信号的空间和时序特征来实现刀具磨损状态监测。将改进模型与CNN-BiLSTM模型及传统的深度学习模型进行对比,发现改进模型在精度和稳定性方面有较大提升。所提方法为准确监测自动化加工过程中刀具磨损状态、提高生产效率和加工质量提供了技术支持。 展开更多

关键词 小波阈值降噪 卷积神经网络 双向长短时记忆网络 刀具磨损状态监测

在线阅读 下载PDF 职称材料

面向生产现场的刀具磨损状态监测研究 被引量：6

19

作者 牛博雅 杨斌 孙杰 《制造技术与机床》 北大核心 2020年第11期104-109,共6页

刀具失效会对工件加工精度与表面质量造成严重影响,因此掌握刀具磨损状态对零件加工质量的把控至关重要。在生产现场钛合金铣削试验的基础上采集铣削过程力信号与振动信号,并对其进行时域、频域以及时频域特征提取,采用Fisher线性判别... 刀具失效会对工件加工精度与表面质量造成严重影响,因此掌握刀具磨损状态对零件加工质量的把控至关重要。在生产现场钛合金铣削试验的基础上采集铣削过程力信号与振动信号,并对其进行时域、频域以及时频域特征提取,采用Fisher线性判别分析进行特征排序与选择,选出具有较好分类能力的特征,建立基于支持向量机(SVM)的刀具状态识别模型,以提取特征为输入,得到特征对应的刀具磨损阶段。试验结果表明该方法识别精度较高,为生产现场刀具磨损状态监测提供了参考。 展开更多

关键词 铣削 刀具磨损 FISHER线性判别分析 SVM 刀具状态监测

在线阅读 下载PDF 职称材料

BPNN-SVM混合模型法监测乏燃料剪切机刀具磨损状态 被引量：5

20

作者 陈甲华 邹树梁 《核电子学与探测技术》 CAS 北大核心 2018年第2期298-303,共6页

提出了一种基于本征模态函数能量距法对乏燃料对剪切机工作噪声进行特征提取,并融合了BP神经网络和支持向量机构建了一种混合模型用于乏燃料剪切机刀具磨损状态的监测。对乏燃料剪切机刀具的正常、轻度磨损、重度磨损和损坏四种状态下... 提出了一种基于本征模态函数能量距法对乏燃料对剪切机工作噪声进行特征提取,并融合了BP神经网络和支持向量机构建了一种混合模型用于乏燃料剪切机刀具磨损状态的监测。对乏燃料剪切机刀具的正常、轻度磨损、重度磨损和损坏四种状态下的工作噪声信号分析的结果表明,该方法可以准确、有效地识别这些状态。 展开更多

关键词 乏燃料剪切机 刀具磨损 状态监测 IMF能量距 BP神经网络 支持向量机

在线阅读 下载PDF 职称材料