基于LMD-PE与SVM机床刀具磨损故障诊断

• 作者: 冯胜
• 来源期刊: 工具技术
• 学科: 工学
• 关键词: 刀具磨损 局部均值分解 排列熵 支持向量机 故障诊断
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 测试与仪器
• 页码范围: 111-115
• 页数: 5页
• 分类号: TG707|TH117
• 字数: 3255字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7008.2019.07.027

摘要

针对机床刀具磨损故障信号具有信号噪声大、频带混叠以及信噪比低的问题,提出了一种基于局部均值分解(Local Mean Decomposition,LMD)—排列熵(Permutation Entroy,PE)与支持向量机(Support Vector Machines,SVM)的机床刀具磨损故障诊断方法.首先对刀具磨损故障信号进行LMD分解,再根据相关系数去除噪声信号以及由于分解误差所带来的冗余信号后,选取合适的乘积分量(Product Function,PF)进行信号重构,然后将重构后的信号计算排列熵并通过标量量化处理后得到特征向量,最终将特征向量输入到已训练完成的支持向量机中来判别刀具的磨损状态,试验结果验证了该方法对机床刀具磨损故障诊断的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯胜		7	9	2.0	3.0