沈阳市人才资源开发专项资金(Syrc201007)
- 作品数：2 被引量：8H指数：1
- 相关作者：李波董慧高辉聂鹏李正强更多>>
- 相关机构：沈阳航空航天大学蓝星(北京)化工机械有限公司沈阳飞机工业（集团）有限公司更多>>
- 发文基金：沈阳市人才资源开发专项资金辽宁省教育厅高校重点实验室项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于改进EMD和LS-SVM的刀具磨损状态识别被引量：8
- 2013年
- 针对经验模态分解(empirical mode decomposition,EMD)的端点效应、停止准则和虚假分量作了改进处理,通过对仿真信号的对比验证证明了改进方法的可行性.采集切削加工中的声发射(acoustic emission,AE)信号并对AE信号运用改进EMD方法分解为若干个固有模态函数(intrinsic mode function,IMF)分量,利用IMF分量和原始信号的相关系数作为判断依据,剔除分解中产生的虚假分量,然后提取IMF分量的归一化能量值并将其作为特征向量.将提取的特征向量分为2组:一组用于对最小二乘支持向量机(least squares support vector machine,LS-SVM)训练;另一组用于识别刀具磨损状态.实验结果表明该方法可有效地表征刀具的磨损状态.
- 聂鹏董慧李正强高辉李波
- 关键词：刀具磨损经验模态分解
- 基于改进遗传算法和LVQ网络的刀具故障诊断
- 2022年
- 针对叠层材料钻削加工特点,提出一种通过改进遗传算法(SAMGA)优化学习向量量化(LVQ)网络的刀具磨损在线监测方法。该方法在刀具磨损监测实验过程中,采集制孔过程中的声发射信号与红外温度信号,利用小波包分解与主元分析法对采集到的信号进行滤波与降维处理,将处理后的信号特征作为输入特征向量导入到LVQ网络模型中,并通过改进遗传算法优化其初始权值与阈值。结果表明:SAMGA-LVQ模型相比BP网络对于刀具磨损的预测识别精度更高,改进遗传算法对LVQ网络优化后训练速度有明显提升,更适用于刀具磨损在线监测系统。
- 王文昊李海伟聂鹏王焕棋张锴锋
- 关键词：钻削加工刀具磨损改进遗传算法故障诊断在线监测
