文档名：基于带通滤波与核极限学习机的铣削刀具状态分类方法
刀具状态监测系统(ToolConditionMonitor,TCM)对提高加工生产效率、保证产品质量起着重要作用,而有效识别刀具磨损状态是其中一个重要环节.针对铣削加工,提出一种基于带通滤波与核极限学习机(KernelExtremeLearningMachine,KEML)的刀具状态分类方法.利用带通滤波对传感器信号进行预处理,以提高信号信噪比;然后计算其时频域的统计特征并利用KEML进行分类识别刀具多磨损状态.实验研究表明,与KEML相比,在不同信号下该方法都具有更好训练精度与测试精度,并且实验结果更稳定.
作者：雷芝周余庆向家伟
作者单位：温州大学机电工程学院,浙江温州325035
母体文献：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议论文集
会议名称：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议
会议时间：2018年8月1日
会议地点：内蒙古包头
主办单位：中国机械工程学会,中国振动工程学会,中国设备管理协会
语种：chi
分类号：
关键词：铣削刀具 状态分类 带通滤波 核极限学习机
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文
- 文件大小:
- 525.96 KB
- 下载次数:
- 60
-
高速下载
|
|
