基于回归树和AdaBoost方法的刀具磨损评估
本文利用高速数控铣刀铣削中不同侧面方向的切削力和振动信号以及声发射信号均方根值,以数据驱动的形式对刀具磨损进行了拟合评估.在本次研究中,分别从时域、频域和时频联合域上探索与刀具磨损相关的敏感特征,具体特征提取方法包括时域统计分析、频域上的快速傅里叶变换(FFT)和时频联合分析的小波变换(WT).本文中,决策树被用于回归问题而非分类问题,用于评估刀具磨损值.同时,引入AdaBoost算法对回归树模型进行提升,并从模型的准确性、稳定性和适用性三个方面上综合对比了提升的决策树回归模型和原模型的性能.研究表明,AdaBoost算法提升的回归决策树模型在预测的准确性和稳定性上都有一定程度上提高,并且在面向全新刀具磨损预测的适用性上也取得了不错的提升效果.
刀具磨损、PHM、统计分析、FFT、小波变换、回归树、AdaBoost
26
沈阳市2014年科学计划项目F14-056-7-00
2018-04-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
212-219