基于小波包变换与核主成分分析的铣削颤振识别

• 作者: 任静波 孙根正 罗明 陈冰
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 铣削颤振识别 小波包变换 核主成分分析 最小二乘支持向量机
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 161-165,176
• 页数: 6页
• 分类号: TP206+.3|TN911.7
• 字数: 4922字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1335.2014.05.036

摘要

提出一种基于小波包变换（wavelet packets transform, WPT）与核主成分分析（kernel principal component analysis，KPCA）的颤振识别方法。铣削颤振会抑制或增强某些频段内的信号，利用四层小波包分解与重构，得到16个频段内的重构信号，获得各重构信号的面积，并进行归一化处理，完成铣削颤振特征向量的选择。继而通过对比基于主成分分析（principal component analysis，PCA）与核主成分分析的特征提取方法的特征提取效果，选取KPCA对特征向量进行降维处理，最后以降维后的数据作为最小二乘支持向量机分类器的输入对铣削状态进行识别。结果表明，在小样本的情况下仍能有效、准确地对铣削状态进行分类，分类准确率达95.0%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙根正	西北工业大学现代设计与集成制造技术教育部重点实验室	21	219	7.0	14.0
2	罗明	西北工业大学现代设计与集成制造技术教育部重点实验室	28	438	9.0	20.0
3	陈冰	西北工业大学现代设计与集成制造技术教育部重点实验室	58	438	13.0	19.0
4	任静波	西北工业大学现代设计与集成制造技术教育部重点实验室	3	27	2.0	3.0