基于可听声信号熵特征的刀具磨损状态监测

基于可听声信号的刀具磨损状态监测具备成本低、传感器安装便捷以及不干扰加工过程等优势,应用前景十分广阔。然而,可听声信号包含大量环境噪声,致使监测精度欠佳。为此,提出一种基于可听声信号熵特征的刀具磨损状态监测方法。首先,提取加工过程中可听声信号的7种熵特征;其次,采用相关性分析方法,选出皮尔逊相关系数（Pearson correlation coefficient, PCC）绝对值大于0.9的香农熵、小波熵、排列熵和近似熵特征;最后,采用长短时记忆（long short-term memory, LSTM）网络构建刀具磨损状态监测模型。试验结果显示,熵特征可抵御噪声干扰,且监测精度均方根误差（root mean square error, RMSE）为0.004 1 mm。