HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于小波包分析和LS-SVM的钻削刀具状态识别研究

作者:郝碧君; 陈妮; 李亮; 郭月龙; 何宁刀具状态识别特征提取小波包分析最小二乘支持向量机

摘要:为了有效地识别钻削刀具磨损状态,提出一种基于小波包分析和最小二乘支持向量机(LS-SVM)的状态识别方法。通过在线监测钻削加工过程中的钻削轴向力和刀具状态,采用时域分析、频域分析以及小波包分析法对刀具磨损状态的信号进行特征向量提取,建立基于最小二乘支持向量机(LS-SVM)的分类识别模型。通过试验验证了该方法可以提高刀具磨损状态的识别精度。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

工具技术

《工具技术》(CN:51-1271/TH)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度,颇受业界和广大读者的关注和好评。 《工具技术》主要报道机械加工领域中切削与测量技术的最新发展、金属切削理论研究、新型刀具的研制开发及应用、刀具生产及加工工艺、新型刀具材料、刀具涂层技术及装备、刀具CAD/CAM、数控工具系统及工具管理系统;机械加工中的测量原理、方法与误差理论研究、精密测量与质量控制技术、坐标和激光测量技术及设备、新型量具量仪的开发与应用、电子数显量具、工模夹具设计...

杂志详情