基于EMD-HMM的机床刀具磨损故障诊断

• 作者: 孙巍伟 高延 黄民
• 来源期刊: 机床与液压
• 学科: 工学
• 关键词: 经验模态分解 隐马尔可夫模型 刀具磨损 故障诊断
• 年，卷（期）: 2017,（13）
• 所属期刊栏目: 故障诊断与可靠性
• 页码范围: 178-181
• 页数: 4页
• 分类号: TP206|TH117
• 字数: 3798字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2017.13.041

摘要

针对机床刀具磨损故障诊断,提出基于经验模态分解(EMD)进行信号处理和基于隐马尔科夫模型(HMM)进行模式识别的刀具故障诊断方法.在信号处理阶段,对机加工过程中的振动信号进行经验模态分解,得到若干固有模态函数(IMF),计算IMF的能量值并选用前几阶高能量的IMF作为识别参数.在模式识别阶段,先将训练样本使用HMM的基本方法进行模型训练获得HMMs,再使用测试样本进行模型准确性验证.完成验证的模型就可以表示该机床刀具磨损和机加工刀具信号的对应关系,可以应用到刀具磨损的监测识别中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄民	北京信息科技大学机电工程学院	89	351	10.0	15.0
2	孙巍伟	北京信息科技大学机电工程学院	8	12	2.0	3.0
3	高延	北京信息科技大学机电工程学院	3	12	2.0	3.0