基于AE信号与优化SVM的刀具磨损状态识别

• 作者: 张锴锋 王佳林 聂鹏 袁惠群
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 小波包 AE信号 广义分形维数 支持向量机 量子遗传算法
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 20-23,28
• 页数: 5页
• 分类号: TH164
• 字数: 4071字
• 语种: 中文

摘要

根据小波包变换理论,对刀具磨损声发射(AE)信号进行滤波和能量特征值提取.采用分步式扫描的方法对传统的盒计数法进行改进,并利用改进的盒计数法计算滤波后信号的广义分形维数特征值.以上述提取的特征值为备选特征,采用支持向量机(SVM)作为分类器,利用量子遗传算法(QGA)首先对分类器的输入特征进行筛选,之后对分类器的模型参数进行优化.利用优化后的分类器对测试样本进行分类,测试结果表明,该方法可以对刀具磨损状态进行有效识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁惠群	东北大学机械工程与自动化学院	139	1305	19.0	28.0
2	聂鹏	沈阳航空航天大学机电工程学院	50	268	11.0	14.0
3	张锴锋	沈阳航空航天大学机电工程学院	17	126	7.0	11.0
7	王佳林	沈阳航空航天大学机电工程学院	1	3	1.0	1.0