基于异类信息融合的砂轮磨损状态监测 |
| |
引用本文: | 胡天荣,郑红伟,戴士杰.基于异类信息融合的砂轮磨损状态监测[J].工具技术,2023(2):126-131. |
| |
作者姓名: | 胡天荣 郑红伟 戴士杰 |
| |
作者单位: | 河北工业大学机械工程学院 |
| |
基金项目: | 国家重点研发计划(2019YFB1311104); |
| |
摘 要: | Inconel 718作为难加工材料,磨削时砂轮磨损较快,影响加工后工件表面质量。提出了基于磨削力信号和磨削振动信号两种异类信息的砂轮磨损状态识别模型,研究了不同磨损状态下磨削力和磨削振动的时域和频域特征,并提取71种与磨损状态相关的特征。采用核主成分分析法对原始特征集进行特征提取,选取方差累计贡献率为96%的前13个主元作为融合特征集,基于最小二乘支持向量机(LS-SVM)算法建立了砂轮磨损状态识别模型,并采用受试者工作特征曲线(ROC)和准确率两个指标对模型进行了评估,受试者工作曲线面积(AUG)为0.93,准确率可达93.6%。
|
关 键 词: | 刀具状态监控 机器人磨削 异类信息 最小二乘支持向量机 核主元素分析 |
|
|