点击次数：

论文类型：期刊论文

发表时间：2017-10-01

发表刊物：东北大学学报（自然科学版）

收录刊物：EI、CSCD、Scopus

卷号：38

期号：10

页面范围：1426-1430

ISSN号：1005-3026

关键字：刀具破损;微铣削;小波奇异性;支持向量机;自学习

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.