典型文献
改进VMD⁃LSTM法在刀具磨损状态识别中的应用
文献摘要：
针对车刀在实际加工时工况复杂导致磨损状态识别精度不高的问题,提出了一种基于最大包络峰度法的变分模态分解(Variational mode decomposition,VMD)结合长短时记忆网络(Long short?term memory,LSTM)的组合分类算法.采用最大包络峰度法确定VMD最佳分解模态数,计算信噪比对高频信号进行降噪重构,然后对原始信号以及分解后的信号进行特征提取和清洗,针对数据样本不均衡的问题,引入SMOTE算法合成少数类样本,结合特征变化以及刀具加工过程中的磨损划分数据集,使用LSTM模型实现多工况下车刀磨损状态的分类.最后通过实验验证所提出的模型和方法的有效性,实验结果表明,此模型与其他分类模型相比具有更高的分类精度以及更好的泛化性.
文献关键词：
刀具状态监测;电流信号;变分模态分解;特征提取;长短时记忆网络
中图分类号：
作者姓名：
姜超;李国富
作者机构：
宁波大学 机械工程与力学学院,浙江宁波 315211;宁波大学 先进储能技术与研究院,浙江宁波 315211
文献出处：
引用格式：
[1]姜超;李国富-.改进VMD⁃LSTM法在刀具磨损状态识别中的应用)[J].机械科学与技术,2022(02):246-252
A类：
B类：
VMD,刀具磨损状态,状态识别,实际加工,工时,识别精度,大包,包络,峰度,变分模态分解,Variational,mode,decomposition,长短时记忆网络,Long,short,term,memory,分类算法,解模,高频信号,降噪,样本不均衡,SMOTE,少数类,特征变化,加工过程,划分数据集,模型实现,多工况,下车,车刀磨损,分类模型,分类精度,泛化性,刀具状态监测,电流信号
AB值：
0.414754
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。
