基于多特征融合的刀具磨损识别方法

• 作者: 关山 刘炎 石志标
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 刀具状态监测 多特征融合 核主元分析 最小二乘支持向量机
• 年，卷（期）: 2014,（3）
• 页码范围: 576-584
• 页数: 9页
• 分类号: TH165.3|TP206
• 字数: 6164字
• 语种: 中文

摘要

针对刀具磨损监测中多传感器融合监测方法的缺点，提出了基于声发射信号多特征融合与最小二乘支持向量机（lease square support vector machine ，简称LS-SVM ）相结合的刀具磨损状态监测方法。首先，分别采用经验模态分解法、双谱分析法以及小波包分析法提取采样信号在时域、频域、时-频域内的特征，构造联合多特征向量；然后，利用核主元分析法（kernel principal component analysis ，简称KPCA）对联合多特征向量进行融合降维处理，通过提取累积贡献率大于85％的主元，剔除了联合多特征中与刀具磨损相关性较小的冗余特征，生成融合特征；最后，将融合特征送入最小二乘支持向量机，有效地实现了（尤其在小样本下）刀具磨损状态的识别，与神经网络识别方法相比具有更高的识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石志标	东北电力大学机械工程学院	31	343	10.0	18.0
2	关山	东北电力大学机械工程学院	27	181	9.0	13.0
3	刘炎	东北电力大学机械工程学院	1	14	1.0	1.0