基于深度学习的高速铣削刀具磨损状态预测方法 被引量：26

1

作者 林杨 高思煜 +1 位作者 刘同舜 朱锟鹏 《机械与电子》 2017年第7期12-17,共6页

由于铣刀在高转速下进行不连续切削,刀具磨损迅速且难于监测,并且刀具磨损严重影响加工精度与产品质量。针对高速铣削刀具磨损难以在线预测问题,提出了一种基于深度学习的高速铣削刀具磨损预测的新方法。通过小波包变换提取铣削力信号... 由于铣刀在高转速下进行不连续切削,刀具磨损迅速且难于监测,并且刀具磨损严重影响加工精度与产品质量。针对高速铣削刀具磨损难以在线预测问题,提出了一种基于深度学习的高速铣削刀具磨损预测的新方法。通过小波包变换提取铣削力信号在不同频段上的能量分布作为初始特征向量;采用无监督学习对稀疏自编码网络进行特征学习,并将单层网络堆栈构成深度神经网络;最后利用有监督学习对整个深度网络进行微调训练,建立铣削刀具磨损预测模型。实验结果表明,所提出的方法对刀具磨损状态预测准确率达到93.038%。 展开更多

关键词 高速铣削 刀具磨损 状态预测 深度学习 稀疏自编码

下载PDF 职称材料

刀具磨损状态在线监测技术 被引量：6

2

作者 王忠民 王信义 +1 位作者 杨大勇 陈爱弟 《制造技术与机床》 CSCD 北大核心 2000年第6期40-41,共2页

通过对切削加工过程中声发射 (AE)信号频域特征的研究 ,指出了 AE信号中与刀具磨损状态有关的成分在频域内的分布规律 ,在此基础上分析了 AE信号的均方根值 AERMS和振铃计数与刀具后面磨损量 VB之间的对应关系 ,建立了一种基于 AE信号... 通过对切削加工过程中声发射 (AE)信号频域特征的研究 ,指出了 AE信号中与刀具磨损状态有关的成分在频域内的分布规律 ,在此基础上分析了 AE信号的均方根值 AERMS和振铃计数与刀具后面磨损量 VB之间的对应关系 ,建立了一种基于 AE信号能量的双阈值判断监测方法。 展开更多

关键词 声发射 刀具磨损 状态监测

下载PDF 职称材料

支持向量机在刀具磨损多状态监测中的应用 被引量：19

3

作者 王国锋 李启铭 +3 位作者 秦旭达 喻秀 崔银虎 彭东彪 《天津大学学报》 EI CAS CSCD 北大核心 2011年第1期35-39,共5页

基于多传感器信号、采用多分类支持向量机(support-vector-machine,SVM)实现了刀具监测的多状态辨识.通过对切削过程中的多向切削力和振动信号等多传感器信息进行分析,分别获得时域、频域和小波域的信息作为磨损分类特征;同时,运用基于... 基于多传感器信号、采用多分类支持向量机(support-vector-machine,SVM)实现了刀具监测的多状态辨识.通过对切削过程中的多向切削力和振动信号等多传感器信息进行分析,分别获得时域、频域和小波域的信息作为磨损分类特征;同时,运用基于一对多(one-versus-all,OVA)的多分类支持向量机对刀具不同磨损状态下的特征数据样本进行训练和识别.对切削过程中不同磨损状态的分类结果表明,多分类支持向量机具有出色的学习能力,能够实现在小样本情况下的不同磨损阶段分类,并具有较高的识别精度. 展开更多

关键词 刀具磨损监测 支持向量机 一对多 多状态识别

下载PDF 职称材料

基于深度门控循环单元神经网络的刀具磨损状态实时监测方法 被引量：15

4

作者 陈启鹏 谢庆生 +3 位作者 袁庆霓 黄海松 魏琴 李宜汀 《计算机集成制造系统》 EI CSCD 北大核心 2020年第7期1782-1793,共12页

为监测生产加工过程中的刀具磨损状态,提出一种基于深度门控循环单元神经网络的轻量化状态监测模型。首先,预处理阶段对加速度传感器采集的时序信号进行小波阈值去噪,并将每次刀具进给产生的冗长信号划分为多个训练样本,以滤除噪声、改... 为监测生产加工过程中的刀具磨损状态,提出一种基于深度门控循环单元神经网络的轻量化状态监测模型。首先,预处理阶段对加速度传感器采集的时序信号进行小波阈值去噪,并将每次刀具进给产生的冗长信号划分为多个训练样本,以滤除噪声、改善算法的鲁棒性;然后,利用卷积神经网络(CNN)从时序信号输入中自适应地提取特征,构建深度双向门控循环单元(BiGRU)神经网络学习特征向量间的时序信息,并将Attention机制的思想引入其中,自适应地感知对磨损状态分类结果有关联的网络权重,并对其进行合理分配,避免因人工提取特征带来的复杂性和局限性。实验结果表明,所提方法能够对传感器采集的原始数据实时准确地预测刀具磨损状态,在识别精度和泛化能力上均达到了较好的效果,为实际工业场景下的刀具磨损状态监测提供了新的思路。 展开更多

关键词 刀具磨损状态 实时监测 小波去噪 卷积神经网络 双向门控循环单元 Attention机制

下载PDF 职称材料

基于变分模态分解的关联维数及相关向量机的刀具磨损状态监测 被引量：14

5

作者 何志坚 周志雄 黄向明 《计量学报》 CSCD 北大核心 2018年第2期182-186,共5页

针对刀具磨损过程中产生的非平稳性信号,提出了基于变分模态分解的关联维数及相关向量机的刀具磨损状态监测方法。首先,利用变分模态分解对采集的声发射信号进行分解,获得一系列分量;其中部分分量跟磨损状态相关,部分分量是干扰噪声。... 针对刀具磨损过程中产生的非平稳性信号,提出了基于变分模态分解的关联维数及相关向量机的刀具磨损状态监测方法。首先,利用变分模态分解对采集的声发射信号进行分解,获得一系列分量;其中部分分量跟磨损状态相关,部分分量是干扰噪声。为此根据分解后分量与原信号的互信息值提取出敏感分量;利用刀具信号特点确定关联维数的时延参数和嵌入维数,计算敏感分量的关联维数并组成特征向量;最后,将刀具不同状态的特征向量输入相关向量机进行训练与测试,从而实现对刀具磨损状态的监测。实验结果表明,该方法能够有效地识别出刀具磨损过程中不同的工作状态,且分类准确率较经验模态分解好。 展开更多

关键词 计量学 刀具磨损 声发射法 状态识别 变分模态分解 关联维数 相关向量机

下载PDF 职称材料

基于遗传算法优化HMM的刀具磨损状态监测研究 被引量：12

6

作者 何栋磊 黄民 《机床与液压》 北大核心 2017年第15期106-108,117,共4页

对于切削过程中的刀具磨损,采用隐马尔可夫模型(HMM)来识别刀具不同的磨损状态。并且针对隐马尔可夫模型的Baum-Welch算法易陷入局部极小的缺陷,提出一种利用遗传算法优化Baum-Welch算法中B初值的改进方法,从而提高HMM对刀具磨损状态的... 对于切削过程中的刀具磨损,采用隐马尔可夫模型(HMM)来识别刀具不同的磨损状态。并且针对隐马尔可夫模型的Baum-Welch算法易陷入局部极小的缺陷,提出一种利用遗传算法优化Baum-Welch算法中B初值的改进方法,从而提高HMM对刀具磨损状态的识别率。通过对切削过程中主轴电机的输出电流信号进行小波包分解提取特征向量,利用Lloyd算法进行量化编码,作为观测序列输入优化的HMM来识别刀具的磨损状态。实验结果表明,该方法能够准确有效地进行铣刀磨损状态监测。 展开更多

关键词 隐马尔可夫模型 遗传算法 刀具磨损 状态监测

下载PDF 职称材料

EEMD方法在刀具磨损状态识别的应用 被引量：10

7

作者 聂鹏 徐洪垚 +1 位作者 刘新宇 李正强 《传感器与微系统》 CSCD 北大核心 2012年第5期147-149,152,共4页

总体经验模态分解(EEMD)方法在EMD的基础上消除了模态混叠的现象,从而更能准确地揭露出信号特征信息。根据声发射信号的非稳态、非线性的特点,提出一种基于EEMD应用于刀具磨损状态识别的方法。通过EEMD获取无模态混叠的IMF分量;通过敏... 总体经验模态分解(EEMD)方法在EMD的基础上消除了模态混叠的现象,从而更能准确地揭露出信号特征信息。根据声发射信号的非稳态、非线性的特点,提出一种基于EEMD应用于刀具磨损状态识别的方法。通过EEMD获取无模态混叠的IMF分量;通过敏感度评估算法从所有IMF分量中提取敏感的IMF;提取敏感IMF的能量作为支持向量机(SVM)分类器的输入,将刀具分成正常切削、中期磨损和严重磨损3种状态。通过比较EEMD与应用EMD等方法的分类准确率,确立了基于EEMD的方法在提取刀具磨损状态特征信息的优势。 展开更多

关键词 刀具磨损 状态识别 总体经验模态分解 经验模态分解 支持向量机

下载PDF 职称材料

基于声发射信号的振动钻削刀具磨损状态监测试验研究 被引量：10

8

作者 张学忱 刘红岩 +1 位作者 史尧臣 宗姝 《机床与液压》 北大核心 2020年第13期189-192,共4页

针对钻削加工时难以直接观察刀具磨损状态的问题,基于声发射采集系统设计了超声轴向振动钻削刀具磨损状态监测装置,并在7075铝板上进行超声振动钻削试验。分析刀具磨损状态对声发射信号RMS值的影响,并通过小波分解技术对比分析刀具在不... 针对钻削加工时难以直接观察刀具磨损状态的问题,基于声发射采集系统设计了超声轴向振动钻削刀具磨损状态监测装置,并在7075铝板上进行超声振动钻削试验。分析刀具磨损状态对声发射信号RMS值的影响,并通过小波分解技术对比分析刀具在不同磨损状态下的声发射信号变化规律;根据声发射信号对刀具磨损状态进行实时监测。试验结果表明:声发射信号的RMS值与刀具的磨损程度呈正相关;通过小波分解可知,随着刀具磨损的增加,信号的能量逐渐由低频段向高频段转移,可以通过监测声发射信号RMS值与能量的变化实现刀具磨损状态的有效识别。 展开更多

关键词 刀具磨损 状态监测 声发射信号 振动钻削 RMS值 小波分解

下载PDF 职称材料

基于脉冲耦合神经网络的刀具磨损检测 被引量：8

9

作者 李鹏阳 郝重阳 +1 位作者 祝双武 王毅 《中国机械工程》 EI CAS CSCD 北大核心 2008年第5期547-550,共4页

将仿生学中的脉冲耦合神经网络(PCNN)引入刀具磨损检测中,利用刀具磨损区域灰度强度明显高于刀体和背景区域灰度强度的特点,通过空间邻近和灰度相似集群像素获得分割的二值图像,从而达到对刀具磨损区域进行检测的目的。对车削加工中刀... 将仿生学中的脉冲耦合神经网络(PCNN)引入刀具磨损检测中,利用刀具磨损区域灰度强度明显高于刀体和背景区域灰度强度的特点,通过空间邻近和灰度相似集群像素获得分割的二值图像,从而达到对刀具磨损区域进行检测的目的。对车削加工中刀具不同磨损阶段的磨损图像进行分割试验,证明了该算法可以有效地判断刀具的磨损状态。 展开更多

关键词 脉冲耦合神经网络(PCNN) 刀具磨损 图像分割 状态检测

下载PDF 职称材料

基于改进EMD和LS-SVM的刀具磨损状态识别 被引量：8

10

作者 聂鹏 董慧 +2 位作者 李正强 高辉 李波 《北京工业大学学报》 CAS CSCD 北大核心 2013年第12期1784-1790,共7页

针对经验模态分解(empirical mode decomposition,EMD)的端点效应、停止准则和虚假分量作了改进处理,通过对仿真信号的对比验证证明了改进方法的可行性.采集切削加工中的声发射(acoustic emission,AE)信号并对AE信号运用改进EMD方法分... 针对经验模态分解(empirical mode decomposition,EMD)的端点效应、停止准则和虚假分量作了改进处理,通过对仿真信号的对比验证证明了改进方法的可行性.采集切削加工中的声发射(acoustic emission,AE)信号并对AE信号运用改进EMD方法分解为若干个固有模态函数(intrinsic mode function,IMF)分量,利用IMF分量和原始信号的相关系数作为判断依据,剔除分解中产生的虚假分量,然后提取IMF分量的归一化能量值并将其作为特征向量.将提取的特征向量分为2组:一组用于对最小二乘支持向量机(least squares support vector machine,LS-SVM)训练;另一组用于识别刀具磨损状态.实验结果表明该方法可有效地表征刀具的磨损状态. 展开更多

关键词 刀具磨损 状态识别 经验模态分解

下载PDF 职称材料

刀具磨损检测中的图像处理技术研究现状及展望 被引量：8

11

作者 丁玉辉 曹岩 +1 位作者 付雷杰 白瑀 《制造技术与机床》 北大核心 2020年第4期56-62,共7页

针对刀具磨损检测在图像处理技术中的发展现状总结,并对刀具磨损检测在图像处理技术应用趋势下做出展望。首先,对刀具的磨损检测系统简单的介绍和总结;其次,对检测后的图像预处理、磨损区域提取及边缘检测、磨损状态识别技术的相关内容... 针对刀具磨损检测在图像处理技术中的发展现状总结,并对刀具磨损检测在图像处理技术应用趋势下做出展望。首先,对刀具的磨损检测系统简单的介绍和总结;其次,对检测后的图像预处理、磨损区域提取及边缘检测、磨损状态识别技术的相关内容进行详细讨论。最后,结合目前计算机视觉、人工智能等新形势下对刀具磨损检测在图像处理技术中做出展望。 展开更多

关键词 刀具磨损 图像处理 状态识别

下载PDF 职称材料

基于云理论与LS-SVM的刀具磨损识别方法 被引量：8

12

作者 关山 康振兴 彭昶 《振动．测试与诊断》 EI CSCD 北大核心 2017年第5期996-1003,共8页

针对刀具磨损过程中产生声发射信号的不确定性以及神经网络学习算法收敛速度慢、易陷入局部极小值、对特征要求较高等问题,提出了基于云理论和最小二乘支持向量机的刀具磨损状态识别方法。首先,对声发射信号进行小波包分解与重构,滤除... 针对刀具磨损过程中产生声发射信号的不确定性以及神经网络学习算法收敛速度慢、易陷入局部极小值、对特征要求较高等问题,提出了基于云理论和最小二乘支持向量机的刀具磨损状态识别方法。首先,对声发射信号进行小波包分解与重构,滤除干扰频段对求取特征参数的影响;其次,对重构后的信号利用逆向云算法提取云特征参数:期望、熵、超熵,分析刀具磨损声发射信号的云特性及磨损状态与云特征参数之间的关系;最后,将云特征参数组成特征向量送入最小二乘支持向量机进行识别。研究结果表明:所提取的特征可以很好地反映刀具的磨损状态,云-支持向量机方法可以有效地实现刀具磨损状态的识别,与传统神经网络识别方法相比具有更高的识别率,识别率达到96.67%。 展开更多

关键词 刀具磨损 状态识别 云理论 支持向量机 神经网络

下载PDF 职称材料

基于HPSO优化BP神经网络的刀具磨损状态识别 被引量：8

13

作者 聂鹏 贾彤 +2 位作者 张锴锋 李正强 王焕棋 《组合机床与自动化加工技术》 北大核心 2020年第3期152-155,共4页

针对BP神经网络容易陷入局部极值导致识别精度低的问题,文章提出了一种基于混合粒子群算法(HPSO)的BP神经网络优化算法。在刀具磨损监测实验过程中,采集刀具切削的声发射(AE)信号,利用小波包分解算法对AE信号进行滤波,并进行特征提取。... 针对BP神经网络容易陷入局部极值导致识别精度低的问题,文章提出了一种基于混合粒子群算法(HPSO)的BP神经网络优化算法。在刀具磨损监测实验过程中,采集刀具切削的声发射(AE)信号,利用小波包分解算法对AE信号进行滤波,并进行特征提取。将频带能量特征和切削参数分别作为主特征和辅助特征,并对其对归一化处理。采用混合粒子群优化算法(HPSO)对BP神经网络预测模型进行优化,利用优化后的模型对测试样本进行模式识别,结果表明,优化后的HPSO-BP模型能够有效地降低神经网络陷入局部极值的情况,提高刀具磨损识别精度。 展开更多

关键词 刀具磨损 混合粒子群算法 神经网络 状态识别

下载PDF 职称材料

变参数铣削刀具磨损状态监测研究 被引量：7

14

作者 谢庆陆 王国锋 《机械科学与技术》 CSCD 北大核心 2016年第12期1842-1847,共6页

针对切削力旧有时域特征易受切削参数变动影响而不适用于变参数铣削刀具磨损状态监测的缺陷,采用了一组新的无量纲切削力时域特征(归一化切削力指标NCF、变异系数Cv和峰值力比MFR)。并以难加工材料TC4钛合金变参数铣削实验来验证新特征... 针对切削力旧有时域特征易受切削参数变动影响而不适用于变参数铣削刀具磨损状态监测的缺陷,采用了一组新的无量纲切削力时域特征(归一化切削力指标NCF、变异系数Cv和峰值力比MFR)。并以难加工材料TC4钛合金变参数铣削实验来验证新特征在变参数铣削刀具磨损状态监测上的有效性,分别以新旧特征作为SVM分类器的输入,分析和比较结果表明本文提出的无量纲切削力时域特征对切削参数变化不敏感,而仅对刀具磨损状态变化敏感,因此能够实现变参数铣削刀具磨损状态监测。 展开更多

关键词 刀具磨损 变参数 监测

下载PDF 职称材料

多传感器信息融合的刀具磨损状态智能监测系统

15

作者 孙巍伟 黄民 +1 位作者 何一千 郭中原 《机床与液压》 北大核心 2024年第17期222-228,共7页

为了提高数控机床刀具磨损状态智能监测的可靠性,提出一种基于多传感器信息融合的刀具磨损状态智能监测方法及系统。利用多种传感器分别采集刀具加工过程中的机床变频器输入电流信号、工件三向振动信号和声信号,然后对采集到的信号进行... 为了提高数控机床刀具磨损状态智能监测的可靠性,提出一种基于多传感器信息融合的刀具磨损状态智能监测方法及系统。利用多种传感器分别采集刀具加工过程中的机床变频器输入电流信号、工件三向振动信号和声信号,然后对采集到的信号进行时域、频域和时频域处理分析。系统自动识别提取出其中与刀具磨损程度相关性较高的敏感特征变量,并利用马氏距离法对敏感特征向量进行分析计算,确定刀具不同状态下的阈值,并据此判断刀具的磨损状态。最后基于上述原理利用QT开发平台研发一套完整的数控机床刀具磨损状态智能监测系统。试验结果表明,该系统能够实时准确地监测出刀具的磨损状态。 展开更多

关键词 刀具磨损 特征提取 状态监测 多传感器融合

下载PDF 职称材料

基于差分进化小波神经网络的刀具磨损状态识别 被引量：6

16

作者 陈静 王武 毛林 《机械设计与制造》 北大核心 2012年第7期176-178,共3页

提出应用小波神经网络进行刀具磨损状态识别的方法,给出了具体的识别流程。构建了小波神经网络,并实现了差分进化对网络参数的优化。通过检测加工现场的切削力和切削声音信号,将其进行信号处理后作为小波神经网络的训练样本,将差分进化... 提出应用小波神经网络进行刀具磨损状态识别的方法,给出了具体的识别流程。构建了小波神经网络,并实现了差分进化对网络参数的优化。通过检测加工现场的切削力和切削声音信号,将其进行信号处理后作为小波神经网络的训练样本,将差分进化应用于小波神经网络结构和参数的优化中,最终实现刀具磨损状态的识别。仿真结果表明差分进化小波神经网络能够有效避免神经网络不收敛的缺点,提高学习速度,采用差分进化小波神经网络进行刀具磨损状态识别,具有较高的诊断精度和效率。 展开更多

关键词 小波神经网络 差分进化算法 刀具磨损 状态识别 仿真

下载PDF 职称材料

机床刀具磨损状态集成学习识别及测试

17

作者 钟旭佳 《机械管理开发》 2024年第8期4-6,共3页

为了提高刀具磨损状态识别能力,开发出了刀具磨损阶段回归模型方法。把AdaBoost集成算法加入回归模型,降低磨损过程中回归模型预测误差。研究结果表明:平稳磨损阶段所需时间最短,最长为急剧磨损阶段。进行刀具磨损识别期间,集成学习算... 为了提高刀具磨损状态识别能力,开发出了刀具磨损阶段回归模型方法。把AdaBoost集成算法加入回归模型,降低磨损过程中回归模型预测误差。研究结果表明:平稳磨损阶段所需时间最短,最长为急剧磨损阶段。进行刀具磨损识别期间,集成学习算法可以获得比单独算法更优性能。磨损期间误差受到各阶段磨损变化率的较大影响。采用集成方法AdaBoost得到了较小MAE,只有36.3%,可以有效促进非集成算法模型的性能提升,实现集成学习算法模型的改善效果。 展开更多

关键词 刀具磨损 回归模型 集成算法 状态识别

下载PDF 职称材料

基于参数策略的改进粒子群优化PNN神经网络刀具磨损研究 被引量：6

18

作者 李健 樊妍 何斌 《机床与液压》 北大核心 2021年第3期75-80,139,共7页

刀具磨损直接影响工件加工质量和尺寸精度,正确掌握刀具磨损状态及时换刀,减少机床停机时间,将直接提高加工效率。为提高刀具磨损状态识别准确率,提出一种基于参数策略的改进粒子群优化PNN(IPSO-PNN)神经网络识别刀具的磨损状态。相较... 刀具磨损直接影响工件加工质量和尺寸精度,正确掌握刀具磨损状态及时换刀,减少机床停机时间,将直接提高加工效率。为提高刀具磨损状态识别准确率,提出一种基于参数策略的改进粒子群优化PNN(IPSO-PNN)神经网络识别刀具的磨损状态。相较于BP神经网络收敛速度慢、易陷入局部最优的缺点,IPSO-PNN神经网络结构简单、训练简洁快速。与BP神经网络和标准PNN神经网络仿真结果对比,结果表明:IPSO-PNN神经网络识别准确率高,收敛速度快,仿真耗时短,能有效提高刀具磨损识别准确率。 展开更多

关键词 刀具磨损 状态识别 IPSO-PNN神经网络 BP神经网络

下载PDF 职称材料

基于SOM和HMM结合的刀具磨损状态监测研究 被引量：6

19

作者 吕俊杰 王杰 +1 位作者 王玫 吴越 《中国机械工程》 EI CAS CSCD 北大核心 2010年第13期1531-1535,共5页

针对端面铣刀磨损状态的识别问题,提出了基于自组织特征映射神经网络和隐马尔可夫模型结合的方法。该方法对铣削力信号进行预处理和相关特征提取,用自组织特征映射对信号特征矢量进行量化编码,所得码本作为隐马尔可夫模型的输入向量,分... 针对端面铣刀磨损状态的识别问题,提出了基于自组织特征映射神经网络和隐马尔可夫模型结合的方法。该方法对铣削力信号进行预处理和相关特征提取,用自组织特征映射对信号特征矢量进行量化编码,所得码本作为隐马尔可夫模型的输入向量,分别训练三个不同磨损阶段的隐马尔可夫模型来对未知的刀具磨损状态进行监测与识别。实验结果表明,该方法能够对刀具磨损状态进行准确的识别,对自动化生产具有现实意义。 展开更多

关键词 隐马尔可夫模型(HMM) 自组织特征映射(SOM) 刀具磨损状态 铣削力

下载PDF 职称材料

基于数字孪生的铣刀磨损状态识别方法研究

20

作者 水星 容芷君 +2 位作者 但斌斌 何强鉴 杨鑫 《组合机床与自动化加工技术》 北大核心 2024年第9期20-24,共5页

实时精准地监测铣刀磨损状态对于提高加工质量与加工效率具有重要意义,提出一种基于数字孪生的铣刀磨损状态识别方法,该方法通过结合VMD-MPE特征提取方法和GA-SVM状态识别模型构建数字孪生体对铣刀磨损状态进行实时监测。首先,利用变分... 实时精准地监测铣刀磨损状态对于提高加工质量与加工效率具有重要意义,提出一种基于数字孪生的铣刀磨损状态识别方法,该方法通过结合VMD-MPE特征提取方法和GA-SVM状态识别模型构建数字孪生体对铣刀磨损状态进行实时监测。首先,利用变分模态分解算法(VMD)分解铣刀振动信号得到包含磨损状态信息的模态分量;其次,引入多尺度排列熵(MPE)从包含磨损状态信息的模态分量中提取铣刀的非线性动力学特征,并取各有效模态分量的多尺度排列熵平均值作为特征矩阵;最后,通过遗传算法(GA)优化支持向量机(SVM)构建铣刀磨损状态识别模型。实验结果表明,所构建的数字孪生体具有良好识别效果,其识别精度可达97.33%。 展开更多

关键词 数字孪生 刀具磨损 状态识别 变分模态分解 多尺度排列熵 支持向量机

下载PDF 职称材料