基于小波奇异性和支持向量机微铣刀破损检测

发布时间：2018-07-03 12:21

  本文选题：刀具破损 + 微铣削　； 参考：《东北大学学报(自然科学版)》2017年10期

【摘要】：针对微铣削过程中刀刃破损的现象,提出了基于振动信号奇异性分析的自学习式支持向量机的刀具破损检测方法.对两种状态信号作连续小波变换,计算小波模极大值和信号的李普希兹指数(Lips).通过Lips识别刀具状态,拟合Lips分布概率密度函数并验证其符合正态分布,将Lips分布的均值、方差作为特征值,通过遗传算法参数寻优建立了刀具破损状态的支持向量机(SVM)识别模型,也称最优模型.利用最优模型预测刀具破损状态,其预测准确度从84%逐步提高至90%,提升了系统预测模型的鲁棒性.最后通过实验验证了该方法的有效性.
[Abstract]:Based on the singularity analysis of vibration signal, a new tool damage detection method based on self-learning support vector machine (SVM) is proposed. The wavelet modulus maximum and Lipschitz exponent (Lips) of two state signals are calculated by continuous wavelet transform. The probability density function of Lips distribution is fitted and verified to conform to normal distribution by recognizing tool states by Lips. The mean value and variance of Lips distribution are taken as eigenvalues. The support vector machine (SVM) recognition model of tool breakage state is established by genetic algorithm parameter optimization, which is also called the optimal model. The prediction accuracy of the optimal model is improved from 84% to 90%, which improves the robustness of the system prediction model. Finally, the effectiveness of the method is verified by experiments.
【作者单位】： 东北大学机械工程与自动化学院;大连理工大学精密与特种加工教育部重点实验室;
【基金】：国家自然科学基金资助项目(51105067,51135003) 中央高校基本科研业务费专项资金资助项目(N120403011)
【分类号】：TG714

【相似文献】

相关期刊论文 前10条

1 李驰;;支持向量机在焊接过程中的应用[J];电焊机;2011年10期

2 谢正文;孔凡玉;曲方;;灰色支持向量机在疲劳裂纹扩展预测中的应用[J];湖北工业大学学报;2008年04期

3 邓超;吴军;万紫娟;;基于支持向量机工具的性能劣化建模方法[J];计算机集成制造系统;2009年04期

4 王昕晔;叶慧娟;;基于支持向量机的铁磁构件裂纹识别[J];舰船电子工程;2012年02期

5 王煜;刘敏;;基于支持向量机的规则零件检测技术研究[J];电子测量技术;2012年01期

6 刘鹏飞;单平;罗震;;基于信号分形与支持向量机的点焊检测方法[J];焊接学报;2007年12期

7 朱向华;苏宏立;;一种基于支持向量机的带钢表面缺陷识别方法[J];浙江工商职业技术学院学报;2011年04期

8 陆维盈;包新华;陆文聪;刘亮;陈念贻;;利用支持向量机研究钙钛矿型合金中间相的若干规律[J];计算机与应用化学;2006年11期

9 彭美武;陈洪涛;钟成明;;基于支持向量机的刀具磨损决策融合技术[J];组合机床与自动化加工技术;2014年04期

10 瞿敏;马跃洲;;基于支持向量机的CO_2焊接保护气流量识别研究[J];电焊机;2007年04期

相关硕士学位论文 前6条

1 葛宵烨;基于支持向量机的带钢表面缺陷识别问题研究[D];河北科技大学;2016年

2 刘芽;基于EEMD和支持向量机的刀具状态监测方法研究[D];西南交通大学;2012年

3 肖先锋;基于支持向量机的铝粉细粉率软测量[D];大连理工大学;2009年

4 侯振;工艺系统振动对高速切削刀具破损的影响机理研究[D];广东海洋大学;2015年

5 王震霞;变切削参数铣削加工中刀具破损辨识[D];沈阳工业大学;2005年

6 刘晓明;刀具破损监测系统的研究与开发[D];电子科技大学;2005年

，

本文编号：2093627