基于主成分分析与C-支持向量机的刀具磨损状态监测

发布时间：2017-08-20 06:34

  本文关键词：基于主成分分析与C-支持向量机的刀具磨损状态监测

  更多相关文章： 刀具磨损 监测 主成分分析 C-支持向量机

【摘要】：为了监测刀具磨损状态,建立了一个基于功率传感器的刀具磨损状态监测系统.提出了一种基于主成分分析(PCA)与C-支持向量机(C-SVM)相结合的刀具磨损状态监测模型.通过功率传感器采集切削过程中的电流和功率信号,采用PCA对采集的参数进行特征提取,选择对刀具磨损状态影响最大的主成分作为C-SVM的输入样本,实现对刀具磨损状态的准确识别.通过数控车床切削实验表明,即使在较少的样本条件下,该方法仍然有效,并与反向传播(BP)神经网络进行了性能比较.
【作者单位】： 同济大学中德工程学院;同济大学机械与能源工程学院;
【关键词】： 刀具磨损 监测 主成分分析 C-支持向量机
【基金】：国家自然科学基金(71471139) 国家国际科技合作专项(2012DFG72210) 上海市科委基础研究重点项目(12JC1408700) 浙江省自然科学基金(Y14E050085)
【分类号】：TG71;TP181
【正文快照】： 近十几年来,研究人员在刀具监测技术上做了不懈的努力,并取得了诸多进展.刀具状态监测常用的方法包括直接监测法和间接监测法.其中直接监测法,如研究最多的光学图像法,具有直观性强、精度高等优点,但也存在一些弊端,如信号测取受切削液和切屑的干扰、需要停机监测、占用生产工

【相似文献】

中国期刊全文数据库 前2条

1 丛培盛;李通化;陈昱;陈念贻;;神经元适应算法在合金钢生产实验设计中的应用[J];金属学报;1992年11期

2 ;[J];;年期

，

本文编号：705111