基于EEMD-SVM的铣刀磨损状态监测系统设计

• 作者: 于俊虎 李贵红 杜昕 赵丽丽
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 铣刀磨损状态 集合经验模态分解 相关系数法 支持向量机
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 设计与制造
• 页码范围: 30-32
• 页数: 3页
• 分类号: TP277
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2019.06.030

摘要

为实现铣刀磨损状态准确、快速的识别,设计了一套基于集合经验模态分解(EEMD)和支持向量机(SVM)的刀具状态在线监控系统.首先,应用EEMD将采集的铣刀声发射(AE)信号分解成多个固有模态函数(IMF),并基于相关系数法从分解得到的IMF分量中提取有效分量,剔除虚假成分.最后,将有效IMF分量的能量作为特征向量输入支持向量机分类器来完成铣刀磨损状态的识别.使用TwinCAT和Matlab实现了整套系统的功能.经实验验证,监控系统运行稳定并能够对刀具状态进行准确、快速的识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李贵红		12	13	2.0	3.0
2	杜昕		6	8	2.0	2.0
3	赵丽丽		5	4	1.0	1.0
4	于俊虎		3	1	1.0	1.0