基于EMD-SVM的钛合金铣削过程刀具磨损监测 |
| |
作者姓名: | 谢振龙 岳彩旭 刘献礼 严复钢 刘智博 穆殿方 梁越昇 |
| |
作者单位: | (1.哈尔滨理工大学先进制造智能化技术教育部重点实验室 哈尔滨,150080);(2.佐治亚理工学院乔治·W·伍德拉夫机械工程学院 亚特兰大,30332) |
| |
基金项目: | 国家重点研发计划资助项目(2018YFB2002201);国家自然科学基金资助项目(51720105009) |
| |
摘 要: | 以硬质合金刀具铣削Ti-6Al-4V为研究对象,提出了一种基于经验模态分解(empirical mode decomposition, 简称EMD)及支持向量机(support vector machine,简称SVM)的刀具磨损阶段识别方法。首先,将原始加速度信号及力信号分解为一系列模态分量(intrinsic mode function,简称IMF),选择了有效的IMF来组合一个新的信号;其次,计算新信号的多评价指标矩阵,将得到的多指标矩阵(I-kazTM、功率谱熵及均方根)作为输入特征向量,得到了基于线性分类器的刀具磨损识别模型;最后,将检测信号输入模型中进行识别,对刀具磨损阶段的识别精度达到了99.17%。EMD-SVM相较于SVM、BP神经网络及小波包SVM模型,运算时间减少,运算精度提高。实验结果表明,该模式对钛合金铣削过程中的刀具磨损具有良好的识别效果,为刀具磨损状态的监测提供了一种新方法。
|
关 键 词: | 经验模态分解;支持向量机;刀具磨损监测;切削力信号;振动信号 |
|
| 点击此处可从《振动、测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动、测试与诊断》下载全文 |