| 基于改进VMD和自适应BSA优化LS-SVM的刀具磨损状态监测方法 |
| |
| 引用本文： | 蔡力钢,李海波,杨聪彬,刘志峰,赵永胜.基于改进VMD和自适应BSA优化LS-SVM的刀具磨损状态监测方法[J].北京工业大学学报,2021,47(1):10-23. |
| |
| 作者姓名： | 蔡力钢 李海波 杨聪彬 刘志峰 赵永胜 |
| |
| 作者单位： | 北京工业大学先进制造与智能技术研究所,北京 100124;北京工业大学先进制造与智能技术研究所,北京 100124;北京工业大学先进制造与智能技术研究所,北京 100124;北京工业大学先进制造与智能技术研究所,北京 100124;北京工业大学先进制造与智能技术研究所,北京 100124 |
| |
| 基金项目： | 国家科技重大专项课题资助项目;国家自然科学基金资助项目 |
| |
| 摘 要： | 为提高加工过程中刀具磨损状态的识别精度,结合改进的变分模态分解算法(modified variational mode decomposition,MVMD)、自适应回溯搜索算法(adaptive backtracking search algorithm,ABSA)及最小二乘支持向量机(least squares-support vector machine,LS-SVM),提出一种刀具磨损快速识别模型.针对传统信号处理方法存在的模态混叠、噪声敏感等问题,采用瞬时频率均值法预先确定最佳分解模态数,引入降噪型变分模态分解算法进行信号分解;为提高优化效率与自适应性,提出一种改进的自适应回溯搜索算法,通过参数自适应选择提高算法的全局与局部搜索能力;基于自适应回溯搜索算法,采用LS-SVM多分类模型实现了刀具磨损状态的识别.实验结果表明,MVMD可以有效降低噪声、剔除虚假信息,同时验证了ABSA算法具有更强的全局探索和局部寻优能力,使得ABSA优化LS-SVM模型具有更高的准确性.
|
| 关 键 词： | 刀具状态监测 振动信号 变分模态分解 特征优化 回溯搜索算法 最小二乘支持向量机 |
Tool Wear State Recognition Model Based on Modified Variational Mode Decomposition and LS-SVM With the Adaptive Backtracking Search Algorithm |
| |
| CAI Ligang,LI Haibo,YANG Congbin,LIU Zhifeng,ZHAO Yongsheng.Tool Wear State Recognition Model Based on Modified Variational Mode Decomposition and LS-SVM With the Adaptive Backtracking Search Algorithm[J].Journal of Beijing Polytechnic University,2021,47(1):10-23. |
| |
| Authors: | CAI Ligang LI Haibo YANG Congbin LIU Zhifeng ZHAO Yongsheng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
