基于EMD和SVM的切削颤振识别方法研究

发布时间：2018-06-15 23:12

  本文选题：经验模态分解 + 支持向量机　； 参考：《煤矿机械》2017年02期

【摘要】：为了提高对切削加工过程中颤振的识别能力,提出一种结合模态分解和支持向量机的分类方法,对颤振信号进行自动识别。首先利用经验模态分解法把颤振信号分解成若干个本征模式函数分量,去除原始信号相关性,突出模式函数分量的主特征,构建出特征向量并进行归一化处理,之后,把特征向量输入SVM模型,判断颤振是否发生。分别采用神经网络模型、PCA-SVM模型、EMD和SVM模型对特征向量进行学习与识别,EMD和SVM模型识别率达到95%,优于前两种模型。实验结果表明,该方法能够有效地识别切削加工过程中的颤振。
[Abstract]:In order to improve the recognition ability of chatter in cutting process, a classification method combining mode decomposition and support vector machine is proposed to identify the chatter signal automatically. Firstly, the flutter signal is decomposed into several intrinsic mode function components by the empirical mode decomposition method, which removes the correlation of the original signal, highlights the main features of the mode function component, constructs the eigenvector and normalizes it. The eigenvector is input into the SVM model to determine whether flutter occurs or not. The neural network model PCA-SVM model EMD and SVM model are used to study and identify the Eigenvectors respectively. The recognition rate of EMD and SVM model is 95% which is superior to the former two models. The experimental results show that the method can effectively identify the chatter in cutting process.
【作者单位】： 大连民族大学;
【分类号】：TH161.6;TP18

【相似文献】

相关期刊论文 前10条

1 宋立新;王祁;王玉静;梁X;;具有间断事件检测和分离的经验模态分解方法[J];哈尔滨工程大学学报;2007年02期

2 刘小峰;秦树人;柏林;;基于小波包的经验模态分解法的研究及应用[J];中国机械工程;2007年10期

3 杨智春;谭光辉;;一种基于样条插值的经验模态分解改进算法[J];西北工业大学学报;2007年05期

4 张西良;万学功;李萍萍;张建;徐云峰;;动态称量经验模态分解数据处理方法[J];江苏大学学报(自然科学版);2008年06期

5 周志峰;蔡萍;;基于经验模态分解的汽车轴重估计(英文)[J];Journal of Shanghai University(English Edition);2008年01期

6 李洪;郝豪豪;孙云莲;;具有独立分量的经验模态分解算法研究[J];哈尔滨工业大学学报;2009年07期

7 林玉荣;王强;;基于一维经验模态分解的图像细节提取方法[J];吉林大学学报(工学版);2011年06期

8 卢珍;;关于经验模态分解与整体经验模态分解的分离效果差别的探讨[J];科学技术与工程;2011年33期

9 钟佑明;赵强;周建庭;;实时经验模态分解的实现方法[J];振动.测试与诊断;2012年01期

10 刘海波;赵宇凌;;集合经验模态分解的稳健滤波方法研究[J];振动与冲击;2013年08期

相关会议论文 前10条

1 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文集[C];2007年

3 杨永锋;;经验模态分解与非线性分析的协同研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

4 侯文文;邹俊忠;刘未来;;基于经验模态分解的眼电伪差去除研究[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

5 李关防;许春雷;惠俊英;;基于经验模态分解的特征提取算法研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

6 薛志宏;李广云;周蓉;;一种基于经验模态分解的信号降噪方法[A];全国工程测量2012技术研讨交流会论文集[C];2012年

7 张飞涟;刘严萍;;经验模态分解与神经网络方法在降水预测领域的应用研究[A];中国系统工程学会第十八届学术年会论文集——A01系统工程[C];2014年

8 康春玉;章新华;;一种基于经验模态分解的信号降噪方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

9 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年

10 郝文峰;骆英;顾建祖;;基于经验模态分解-支持向量机的玻璃幕墙开胶损伤预测研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

相关博士学位论文 前10条

1 黎恒;经验模态分解中关键问题的优化理论与方法研究[D];西安电子科技大学;2016年

2 葛光涛;二维经验模态分解研究及其在图像处理中的应用[D];哈尔滨工程大学;2009年

3 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年

4 张继红;经验模态分解及径向基函数的一些应用研究[D];大连理工大学;2012年

5 熊卫华;经验模态分解方法及其在变压器状态监测中的应用研究[D];浙江大学;2006年

6 杨贤昭;基于经验模态分解的故障诊断方法研究[D];武汉科技大学;2012年

7 高静;经验模态分解的改进方法及应用研究[D];北京理工大学;2014年

8 陈志刚;经验模态分解与Savitzky-Golay方法的自适应遥感影像融合[D];华东师范大学;2010年

9 周义;快速二维经验模态分解和相位追踪方法及其在导波无损检测中的应用[D];上海交通大学;2014年

10 石志晓;时频联合分析方法在参数识别中的应用[D];大连理工大学;2005年

相关硕士学位论文 前10条

1 史玉君;基于经验模态分解的眼电伪迹去除方法的研究[D];兰州大学;2015年

2 梁江海;基于经验模态分解的通信信号细微特征分析[D];国防科学技术大学;2013年

3 赵强;基于EMD的齿轮故障诊断技术研究[D];东北石油大学;2015年

4 熊伟;试车台振动测试系统的关键技术研究[D];河南工业大学;2015年

5 陈凯;快速非平稳信号分析诊断与应用[D];上海交通大学;2015年

6 杨U唝~;基于经验模态分解的城市供水水质异常事件检测方法研究[D];浙江大学;2016年

7 郭学雯;利用经验模态分解方法研究新型热中子探测器数据周期性[D];河北师范大学;2016年

8 杨勤甜;基于经验模态分解和粗糙集属性约简的超声缺陷信号分类识别研究[D];南昌航空大学;2016年

9 李超;透平机组故障特征提取技术研究与系统开发[D];天津工业大学;2016年

10 卢丹丹;基于EEMD的CPI与PPI关系的结构分析及传导机制研究[D];暨南大学;2016年

，

本文编号：2024048