基于云理论与LS-SVM的刀具磨损识别方法

• 作者: 关山 康振兴 彭昶
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 刀具磨损 状态识别 云理论 支持向量机 神经网络
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 论文
• 页码范围: 996-1003
• 页数: 8页
• 分类号: TH165+.3|TP206
• 字数: 5088字
• 语种: 中文
• DOI: 10.16450/j.cnki.issn.1004-6801.2017.05.022

摘要

针对刀具磨损过程中产生声发射信号的不确定性以及神经网络学习算法收敛速度慢、易陷入局部极小值、对特征要求较高等问题,提出了基于云理论和最小二乘支持向量机的刀具磨损状态识别方法.首先,对声发射信号进行小波包分解与重构,滤除干扰频段对求取特征参数的影响;其次,对重构后的信号利用逆向云算法提取云特征参数:期望、熵、超熵,分析刀具磨损声发射信号的云特性及磨损状态与云特征参数之间的关系;最后,将云特征参数组成特征向量送入最小二乘支持向量机进行识别.研究结果表明:所提取的特征可以很好地反映刀具的磨损状态,云-支持向量机方法可以有效地实现刀具磨损状态的识别,与传统神经网络识别方法相比具有更高的识别率,识别率达到96.67％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	关山	东北电力大学机械工程学院	27	181	9.0	13.0
2	彭昶	东北电力大学机械工程学院	6	61	4.0	6.0
3	康振兴	东北电力大学机械工程学院	4	15	3.0	3.0