10.3969/j.issn.1004-132X.2017.17.011
基于谐波小波包和BSA优化LS-SVM的铣刀磨损状态识别研究
针对铣削刀具磨损状态识别问题,提出谐波小波包和最小二乘支持向量机(LS-SVM)的状态识别方法.为克服传统小波包分解的频带交叠问题,采用谐波小波包提取不同磨损状态下铣削力信号的各频段信号能量,归一化处理后,输入LS-SVM多类分类器,实现铣削刀具磨损状态的识别.针对LS-SVM的惩罚因子和核参数对模型识别精度影响较大的问题,提出回溯搜索算法(BSA)进行自动参数寻优.实验结果表明,谐波小波包比小波包在刀具磨损状态特征提取时具有更好的识别效果.与粒子群算法进行比较,证明BSA优化LS-SVM具有更高的识别精度.
刀具磨损、谐波小波包、回溯搜索算法、最小二乘支持向量机
28
TH164
国家自然科学基金资助项目51575211,51421062;国家自然科学基金国际地区合作与交流项目51561125002;湖北省自然科学基金资助项目2014CFB348;高等学校学科创新引智计划资助项目B16019
2017-09-29(万方平台首次上网日期,不代表论文的发表时间)
共11页
2080-2089,2108