基于谐波小波包和BSA优化LS-SVM的铣刀磨损状态识别研究

• 作者: 孟磊磊 张超勇 林文文 罗敏 肖鹏飞 董彩云
• 来源期刊: 中国机械工程
• 关键词: 刀具磨损 谐波小波包 回溯搜索算法 最小二乘支持向量机
• 年，卷（期）: 2017,（17）
• 所属期刊栏目: 机械基础工程
• 页码范围: 2080-2089,2108
• 页数: 11页
• 分类号: TH164
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2017.17.011

摘要

针对铣削刀具磨损状态识别问题,提出谐波小波包和最小二乘支持向量机(LS-SVM)的状态识别方法.为克服传统小波包分解的频带交叠问题,采用谐波小波包提取不同磨损状态下铣削力信号的各频段信号能量,归一化处理后,输入LS-SVM多类分类器,实现铣削刀具磨损状态的识别.针对LS-SVM的惩罚因子和核参数对模型识别精度影响较大的问题,提出回溯搜索算法(BSA)进行自动参数寻优.实验结果表明,谐波小波包比小波包在刀具磨损状态特征提取时具有更好的识别效果.与粒子群算法进行比较,证明BSA优化LS-SVM具有更高的识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张超勇	华中科技大学机械学院数字制造装备与技术国家重点实验室	65	1661	20.0	40.0
2	林文文	宁波大学机械工程与力学学院	9	26	3.0	5.0
3	罗敏	湖北汽车工业学院电气与信息工程学院	81	146	6.0	8.0
4	孟磊磊	华中科技大学机械学院数字制造装备与技术国家重点实验室	10	26	3.0	4.0
5	董彩云	华中科技大学机械学院数字制造装备与技术国家重点实验室	1	7	1.0	1.0
6	肖鹏飞	华中科技大学机械学院数字制造装备与技术国家重点实验室	2	17	2.0	2.0