基于流形学习与隐马尔可夫模型的刀具磨损状况识别

发布时间：2018-04-14 15:15

  本文选题：维数约简 + 刀具磨损状态识别　； 参考：《西北工业大学学报》2015年04期

【摘要】：为了提高金属铣削过程中的刀具磨损状态识别的自动化程度与精度,提出了基于局部切空间排列(LTSA)方法与隐Markov模型(HMM)来识别刀具的不同磨损状态的方法。该方法首先利用小波分析技术对铣削过程中的切削进给方向力信号进行处理,构造了高维特征空间。然后使用基于流形学习方法实现了高维特征空间的维数约简。最终利用约简后的低维特征向量训练HMM,从而实现刀具磨损状态的识别。实验结果说明该方法能够有效地识别铣削过程的刀具磨损状态。与未经特征维数约简的识别方法相比,新方法能够提高刀具磨损状态的识别效率与准确率。
[Abstract]:In order to improve the automation and accuracy of tool wear recognition during metal milling, a method based on local tangent space arrangement and hidden Markov model (HMMM) was proposed to identify different wear states of cutting tools.Firstly, the wavelet analysis technique is used to process the signal of cutting feed direction force in milling process, and the high dimensional feature space is constructed.Then the dimensionality reduction of high dimensional feature space is realized by manifold learning method.Finally, HMMs are trained by the reduced low dimensional eigenvector to realize tool wear recognition.The experimental results show that the method can effectively identify the tool wear state in milling process.Compared with the recognition method without feature dimension reduction, the new method can improve the efficiency and accuracy of tool wear recognition.
【作者单位】： 西北工业大学现代设计与集成制造技术教育部重点实验室;
【基金】：陕西省自然科学基金(2013JM7001) 西北工业大学基础研究基金(JC20110215) 西北工业大学2012校级“新人新方向”基金(12GH14617)资助
【分类号】：TG54;TG71

【参考文献】

相关期刊论文 前2条

1 张翔;富宏亚;孙雅洲;韩振宇;;基于隐Markov模型的微径铣刀磨损监测[J];计算机集成制造系统;2012年01期

2 徐创文;陈花玲;程仲文;李宝栋;;基于时序分析与模糊聚类的铣削刀具磨损状态识别[J];机械强度;2007年04期

【共引文献】

相关期刊论文 前4条

1 关山;聂鹏;;在线金属切削刀具磨损状态监测研究的回顾与展望Ⅲ:模式识别方法[J];机床与液压;2012年03期

2 张莹;王太勇;黄国龙;;基于广义逆矩阵的AR模型参数估计算法[J];机械强度;2010年06期

3 王刚;张卫红;;基于递推最小二乘算法的模糊系统在车削工件直径误差预测中的应用[J];机械强度;2010年06期

4 徐创文;王永;罗文翠;;基于模糊聚类的铣削刀具磨损状态识别研究[J];应用力学学报;2009年02期

相关博士学位论文 前3条

1 关山;基于声发射信号多特征分析与融合的刀具磨损分类与预测技术[D];吉林大学;2011年

2 李威霖;车铣刀具磨损状态监测及预测关键技术研究[D];西南交通大学;2013年

3 陈英姝;高速数控车削加工复杂工况集成监控方法及系统[D];河北工业大学;2014年

相关硕士学位论文 前6条

1 董银松;基于监测信号加权特征的批量钻削工步质量增量聚类研究[D];湘潭大学;2011年

2 于光临;基于负荷电流信号的机床工作状态监测研究[D];宁波大学;2011年

3 郑乾;套圈沟道磨削状态多参数监测与质量分析系统研究[D];浙江大学;2010年

4 杨嘉;铝基碳化硅精密铣削过程有限元仿真及实验研究[D];哈尔滨工业大学;2012年

5 刘然;刀具磨损状态识别及预测研究[D];西南交通大学;2014年

6 钱磊;基于支持向量机的变参数铣削刀具磨损状态监测研究[D];天津大学;2014年

【二级参考文献】

相关期刊论文 前3条

1 徐创文;刀具磨损监测设计与研究[J];哈尔滨工业大学学报;2003年01期

2 吕俊杰;王杰;王玫;吴越;;基于SOM和HMM结合的刀具磨损状态监测研究[J];中国机械工程;2010年13期

3 艾长胜;王宝光;董全成;何光伟;;基于声信号HMM的刀具磨损程度分级识别[J];组合机床与自动化加工技术;2007年07期

【相似文献】

相关期刊论文 前2条

1 梁礼明;陈召阳;朱朝锋;钟震;;流形学习的四嗪衍生物抗癌活性预测模型研究[J];计算机与应用化学;2014年07期

2 贾渊;李振江;彭增起;;结合LLE流形学习和支持向量机的猪肉颜色分级[J];农业工程学报;2012年09期

相关会议论文 前4条

1 宋欣;王娟;张斌;叶世伟;;流形学习算法分析及在人脸数据库上的应用[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

2 刘晓平;季浩;邓伟财;;基于流形学习的非线性系统可视化算法[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

3 何慧;陈博;郭军;;基于流形学习的半监督文本情感分类算法[A];第五届全国信息检索学术会议论文集[C];2009年

4 蒋全胜;贾民平;胡建中;许飞云;;一种基于流形学习的故障模式识别方法[A];第九届全国振动理论及应用学术会议论文集[C];2007年

，

本文编号：1749863