-
题名直接快速迭代滤波分解的刀具磨损状态识别方法
- 1
-
-
作者
苗志滨
殷再航
蒙占彬
丛晓红
崔哲
-
机构
北部湾近海海洋工程装备与技术重点实验室
哈尔滨工程大学计算机科学及技术学院
-
出处
《机械科学与技术》
CSCD
北大核心
2024年第12期2123-2131,共9页
-
基金
专业学位研究生《智能制造》课程案例库建设与案例教学(JGY2021220)
广西自然科学基金项目联合专项(2024JJH160014)
+2 种基金
广西学位研究生教育改革课题
广西研究生教育创新计划项目(YCSW2021359)
广西船舶与海洋工程一流学科(B类)标志性成果孵育基金项目(20220202)。
-
文摘
针对传统特征提取的刀具磨损状态识别不能充分表征振动信号磨损特征导致磨损状态识别精度不高的问题,提出了一种直接快速迭代滤波分解方法(Direct fast iterative filtering decomposition,dFIF)结合黏菌优化支持向量机(Slime mould algorithm-Support vector machine,SMA-SVM)的刀具磨损状态识别方法。首先,通过直接快速迭代滤波分解方法(dFIF)对铣刀振动信号进行分解处理;其次,对分解产生的本征模态函数(Intrinsic mode function,IMF)使用加权稀疏峭度指标(Weighted sparseness kurtosis,WSK)进行计算评分,选择评分高的IMF进行降噪重构;最后,利用黏菌优化支持向量机(SMA-SVM)构建分类优化模型,将重构信号特征通过主成分分析(Principal component analysis,PCA)降维后输入优化模型,进行刀具磨损状态的分类识别。实验结果证明,提出的刀具磨损识别率高达99.8%,相比较于对比实验该方法能够快速、准确的识别铣刀的4种磨损状态,有一定的实践意义和研究价值。
-
关键词
直接快速迭代滤波分解
刀具磨损识别
支持向量机
黏菌算法
-
Keywords
direct fast iterative filter decomposition
tool wear identification
support vector machine
Slime mould algorithm
-
分类号
TG156
[金属学及工艺—热处理]
-
