基于机器学习机床机械加工特征信息与加工材料关联性研究

摘要：

为了开展数控机床机械加工特征信息检测与分析方面的研究,以健康状态的机床对不同工件材料进行切削加工,通过数据采集系统采集在不同切削状态下机床主轴输出的机械特征信息,利用机器学习的方法对特征信息进行分析和判断,提出一种基于机床主轴振动信号与机床主轴负载电流特征信息融合的工件材料精确识别判断模型.首先,获取机床在不同加工状态下的主轴振动信号以及主轴负载电流信号,利用变分模态分解(VMD)算法对其进行分解获得本征模态分量(IMF)并计算各个IMF的多尺度加权排列熵(MWPE)进行信息融合构建特征向量;然后使用灰狼优化(GWO)算法对传统支持向量机进行优化并对4种常见工况进行识别判断.试验结果表明:基于信息融合的特征提取与GWO-SVM相结合的方法能够利用机床加工状态输出的数据特征信息对正在加工的材料种类进行精确识别判断.

关键词：信息融合、变分模态分解、多尺度加权排列熵、灰狼优化、支持向量机

所属期刊栏目：50

分类号：TP181(自动化基础理论)

资助基金：青海省科技厅项目2020-ZJ-740

在线出版日期：2022-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：194-199