典型文献
基于VMD能量权重法与BWO-SVM的铣刀磨损状态监测
文献摘要：
针对铣刀磨损状态监测中信号噪声大、监测效率低等问题,提出了一种基于能量权重法的变分模态分解(VMD)与黑寡妇(BWO)-支持向量机(SVM)的铣刀磨损状态监测方法.首先,运用VMD将铣削时产生的振动信号分解成若干固有模态函数(IMF)分量,并通过能量加权合成峭度指标自适应提取出了包含磨损状态特征的IMF分量,并进行了信号重构,对重构信号进行了特征提取;然后,利用BWO算法优化SVM的参数,构建了 BWO-SVM铣刀磨损状态监测模型;最后,为了验证上述方法的有效性,以某公司真实加工现场的PHM Society 2010铣刀全寿命周期的振动数据进行了实验,并且又通过实际的工程案例对此进行了验证.研究结果表明:通过所提方法自适应提取有效分量并进行信号重构后,降噪效果明显,并通过与遗传算法(GA)和粒子群算法(PSO)优化的SVM相比,经过BWO优化的SVM的训练时间缩短至25.142 s,同时监测精度达到97.246％;采用该方法对铣刀磨损状态进行监测,能够获得更快的识别速度与更高的准确性,提高了铣刀磨损状态监测的效率.
文献关键词：
机械摩擦与磨损;变分模态分解;黑寡妇-支持向量机;固有模态函数分量;能量加权合成峭度;磨损状态监测模型
中图分类号：
作者姓名：
赵小惠;杨文彬;胡胜;谭琦;潘杨
作者机构：
西安工程大学 机电工程学院,陕西西安710048
文献出处：
引用格式：
[1]赵小惠;杨文彬;胡胜;谭琦;潘杨-.基于VMD能量权重法与BWO-SVM的铣刀磨损状态监测)[J].机电工程,2022(12):1762-1768,1783
A类：
黑寡妇,能量加权合成峭度,加权合成峭度,磨损状态监测模型,机械摩擦与磨损
B类：
VMD,权重法,BWO,铣刀,中信,信号噪声,变分模态分解,监测方法,铣削,振动信号,信号分解,分解成,IMF,峭度指标,自适应提取,信号重构,重构信号,算法优化,某公司,PHM,Society,全寿命周期,工程案例,过所,降噪效果,GA,粒子群算法,PSO,训练时间,监测精度,固有模态函数分量
AB值：
0.202672
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
