| 基于PCA和SVM的微铣刀磨损状态识别 |
| |
| 引用本文： | 彭明松,王二化,张屹. 基于PCA和SVM的微铣刀磨损状态识别[J]. 组合机床与自动化加工技术, 2022, 0(1): 130-133 |
| |
| 作者姓名： | 彭明松 王二化 张屹 |
| |
| 作者单位： | 常州大学机械与轨道交通学院;常州信息职业技术学院常州市高端制造装备智能化技术重点实验室 |
| |
| 基金项目： | 国家关键基础研究计划项目(2011CB706803);常州市高端制造装备智能化技术重点实验室(CM20183004)。 |
| |
| 摘 要： | 刀具磨损的状态识别精度对机床加工的质量和生产效率至关重要,为了提高刀具磨损状态的识别度,提出了一种能够有效识别微铣刀磨损状态的方法.首先对采集到的振动信号进行时域和频域分析,提取多个时域特征和频域特征,然后应用主成分分析法对提取的特征进行信息融合,再以融合后的特征向量作为支持向量机的样本输入,避免由于支持向量机初始参数...
|
| 关 键 词： | 微铣刀磨损 信号分析 主成分分析法 支持向量机 花朵授粉算法 |
Wear State Recognition of Micro Milling Tool Based on PCA and SVM |
| |
| PENG Ming-song,WANG Er-hua,ZHANG Yi. Wear State Recognition of Micro Milling Tool Based on PCA and SVM[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2022, 0(1): 130-133 |
| |
| Authors: | PENG Ming-song WANG Er-hua ZHANG Yi |
| |
| Affiliation: | (School of machinery and rail transit,Changzhou University,Changzhou 213164,China;Changzhou Key Laboratory of intelligent technology for high end manufacturing equipment,Changzhou Institute of information technology,Changzhou 213164,China) |
| |
| Abstract: | |
| |
| Keywords: | wear of micro milling tool signal analysis principal component analysis support vector machine flower pollination algorithm |
| 本文献已被 维普 等数据库收录！ |
