基于主成分分析与C-支持向量机的刀具磨损状态监测

• 作者: 李爱平 段明雷 谢楠 马飞
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 工学
• 关键词: 刀具磨损 监测 主成分分析 C-支持向量机
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 机械、车辆与能源工程
• 页码范围: 434-439
• 页数: 6页
• 分类号: TP206.3
• 字数: 4644字
• 语种: 中文
• DOI: 10.11908/j.issn.0253-374x.2016.03.015

摘要

为了监测刀具磨损状态,建立了一个基于功率传感器的刀具磨损状态监测系统.提出了一种基于主成分分析(PCA)与C-支持向量机(C-SVM)相结合的刀具磨损状态监测模型.通过功率传感器采集切削过程中的电流和功率信号,采用PCA对采集的参数进行特征提取,选择对刀具磨损状态影响最大的主成分作为C-SVM的输入样本,实现对刀具磨损状态的准确识别.通过数控车床切削实验表明,即使在较少的样本条件下,该方法仍然有效,并与反向传播(BP)神经网络进行了性能比较.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李爱平	同济大学机械与能源工程学院	244	2265	22.0	32.0
2	谢楠	同济大学中德工程学院	37	395	12.0	17.0
3	马飞	同济大学机械与能源工程学院	9	98	5.0	9.0
4	段明雷	同济大学机械与能源工程学院	2	39	2.0	2.0