特征融合与GA-SVM在刀具状态监测中的应用研究

摘要：

为保证监测的准确性,刀具监控系统往往采用多个传感器进行监测并采集数据,导致监测成本的增加.通过对一个传感器的信号数据建立多个信号处理模型,将多个模型的特征进行融合,深度挖掘信号中所蕴含有关刀具磨损的敏感特征,提高监测的准确性,降低成本;同时针对将融合所得特征输入支持向量机(SVM)进行刀具磨损状态的识别时,常需要反复调整惩罚参数c和核函数g的问题,采用遗传算法(GA)对惩罚参数c和核函数g进行优化,减少了SVM模型的搭建时间,提高了SVM的识别准确率.

关键词：刀具状态监控、特征融合、遗传算法、支持向量机、模式识别

分类号：TH164

资助基金：国家自然科学基金;江苏省高层次人才培养工程"项目;研究生科研创新项目

在线出版日期：2015-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：145-148