针对目前刀具工况监测方法中,有标签刀具工况样本获取成本高,同时大量无标签刀具工况样本被无价值地丢弃的问题,提出了一种基于拉普拉斯支持向量机(Laplacian Support Vector Machine,Lap SVM)的刀具工况在线监测方法。以插铣刀具工况...针对目前刀具工况监测方法中,有标签刀具工况样本获取成本高,同时大量无标签刀具工况样本被无价值地丢弃的问题,提出了一种基于拉普拉斯支持向量机(Laplacian Support Vector Machine,Lap SVM)的刀具工况在线监测方法。以插铣刀具工况监测为例设计了切削实验,Lap SVM利用少量有标签样本的分类约束和大量的无标签样本的流形约束实现刀具工况在线监测。实验结果表明该方法在有标签样本量较少情况下的分类正确率较传统支持向量机有显著提高,具有较好工程应用价值。展开更多
