基于小波包分析和LS-SVM的钻削刀具状态识别研究

• 作者: 何宁 李亮 郝碧君 郭月龙 陈妮
• 来源期刊: 工具技术
• 学科: 工学
• 关键词: 刀具状态识别 特征提取 小波包分析 最小二乘支持向量机
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 试验与研究
• 页码范围: 3-9
• 页数: 7页
• 分类号: TG713.1|TH117.1
• 字数: 4875字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7008.2019.12.001

摘要

为了有效地识别钻削刀具磨损状态,提出一种基于小波包分析和最小二乘支持向量机(LS-SVM)的状态识别方法.通过在线监测钻削加工过程中的钻削轴向力和刀具状态,采用时域分析、频域分析以及小波包分析法对刀具磨损状态的信号进行特征向量提取,建立基于最小二乘支持向量机(LS-SVM)的分类识别模型.通过试验验证了该方法可以提高刀具磨损状态的识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何宁		177	3097	32.0	49.0
2	李亮		200	2140	25.0	36.0
3	陈妮		3	2	1.0	1.0
4	郝碧君		2	4	1.0	2.0
5	郭月龙		5	7	2.0	2.0