EEMD方法在刀具磨损状态识别的应用

• 作者: 刘新宇 徐洪垚 李正强 聂鹏
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 刀具磨损 状态识别 总体经验模态分解 经验模态分解 支持向量机
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 应用技术
• 页码范围: 147-149,152
• 分类号: TP206.3
• 字数: 2344字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-9787.2012.05.045

摘要

总体经验模态分解(EEMD)方法在EMD的基础上消除了模态混叠的现象,从而更能准确地揭露出信号特征信息.根据声发射信号的非稳态、非线性的特点,提出一种基于EEMD应用于刀具磨损状态识别的方法.通过EEMD获取无模态混叠的IMF分量；通过敏感度评估算法从所有IMF分量中提取敏感的IMF;提取敏感IMF的能量作为支持向量机(SVM)分类器的输入,将刀具分成正常切削、中期磨损和严重磨损3种状态.通过比较EEMD与应用EMD等方法的分类准确率,确立了基于EEMD的方法在提取刀具磨损状态特征信息的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂鹏		50	268	11.0	14.0
3	李正强	沈阳航空航天大学机电工程学院	13	60	4.0	7.0
6	徐洪垚	沈阳航空航天大学机电工程学院	1	18	1.0	1.0
7	刘新宇		1	18	1.0	1.0