刀具磨损状态特征参数提取与识别方法研究

作者：唐利平; 刘海雄

来源：组合机床与自动化加工技术, 2019, (10): 10-19.

DOI：10.13462/j.cnki.mmtamt.2019.10.003

• 刀具磨损状态
• 改进小波阈值
• 多重分形谱
• 去趋势波动分析
• 最小二乘支持向量机

为准确识别刀具磨损状态,提出了基于MF-DFA的特征提取方法和基于LS-SVM的磨损状态辨识方法。设计了刀具磨损试验方案;提出了具有可调节参数的改进阈值小波降噪方法,解决了硬阈值降噪不连续和软阈值降噪失真问题,降噪后信号的信噪比和均方误差优于另外两种阈值;分析了多重分形谱参数与声发射信号特征对应关系,基于此初选了特征参数,根据刀具不同磨损阶段各参数的分布情况优选了特征参数,且优选特征参数聚类效果极佳;采用基于LS-SVM算法的磨损阶段识别方法,分别使用初选特征参数与优选特征参数进行模式识别,实验结果表明,优选特征参数的识别精度明显高于初选特征参数;与BP神经网络、SVM算法相比,LS-SVM算法的识别准确率最高、时间消耗最小。

• 单位
  湖南汽车工程职业学院