典型文献
面向钻削过程监测的振动信号处理及状态分类
文献摘要：
易变形结构在钻削过程中因受力而产生形变,不能根据刀具的钻削距离判断刀具所处状态.钻削过程中刀具切入易变形结构不同的位置会产生不同幅度的振动,通过对加速度传感器采集到的振动信号进行快速傅里叶变换(fast Fourier transform,简称FFT),将钻削过程分为5个状态.通过计算系统基频整数次谐波分量幅值的变异系数,选取部分谐波分量的幅值作为特征量进行阶段监测.选用线性转换和对数转换相结合的方式实现输入数据的归一化,输入到支持向量机与多层前馈(back propagation,简称BP)神经网络进行钻削状态分类.实验表明:支持向量机在所有钻削状态的识别准确率在85％以上,部分钻削状态的识别准确率达到了100％;BP神经网络分类器的识别准确率略低于支持向量机.根据所识别的状态控制刀具在即将钻透时停止,测量易变形结构剩余厚度验证了该方法的精确性.
文献关键词：
钻削;振动信号;状态识别;快速傅里叶变换;支持向量机
中图分类号：
作者姓名：
代煜;王景港;曹广威;张建勋;贾宾
作者机构：
南开大学机器人与信息自动化研究所 天津,300071
文献出处：
引用格式：
[1]代煜;王景港;曹广威;张建勋;贾宾-.面向钻削过程监测的振动信号处理及状态分类)[J].振动、测试与诊断,2022(01):89-95
A类：
B类：
钻削,削过,过程监测,振动信号处理,状态分类,易变形,变形结构,刀具,加速度传感器,快速傅里叶变换,fast,Fourier,transform,FFT,计算系统,基频,整数,数次,谐波分量,特征量,对数转换,换相,输入数据,多层前馈,back,propagation,识别准确率,神经网络分类器,略低于,状态控制,精确性,状态识别
AB值：
0.318533
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。
