| 卡尔曼滤波修正LS-SVM的刀具磨损识别技术研究 |
| |
| 引用本文： | 李威霖,傅攀,曹伟青.卡尔曼滤波修正LS-SVM的刀具磨损识别技术研究[J].机械科学与技术(西安),2015,34(1):81-85. |
| |
| 作者姓名： | 李威霖 傅攀 曹伟青 |
| |
| 作者单位： | 西南交通大学机械工程学院,成都610031 |
| |
| 摘 要： | 针对刀具磨损状态先验样本少和常规神经网络识别模型收敛速度慢、易陷入局部极小值等问题,提出了基于最小二乘支持向量机(LS-SVM)的刀具磨损量识别技术,并针对模型输出存在系统误差而降低刀具磨损量识别精度的问题,引入卡尔曼滤波算法对时序监测结果进行修正,实现小样本下的刀具磨损量的精确识别。以车削加工为研究对象,采集加工过程中的切削力信号,应用小波包分析技术提取反映刀具磨损状态的特征信息,作为LS-SVM的输入样本,并对模型进行学习训练,完成对刀具磨损状态的识别,最后采用卡尔曼滤波修正其时序监测结果。实验结果表明:LS-SVM模型能高效地实现刀具磨损量识别,需样本数较少,训练速度快,通过卡尔曼滤波修正后的磨损量识别结果精度更高。
|
| 关 键 词： | 刀具状态监测 小波分析 支持向量机 卡尔曼滤波 |
Study on the Technology of Tool Wear Monitoring by Modifying Least Square Support Vector Machine via Kalman Filter |
| |
| Li Weilin,Fu Pan,Cao Weiqing.Study on the Technology of Tool Wear Monitoring by Modifying Least Square Support Vector Machine via Kalman Filter[J].Mechanical Science and Technology,2015,34(1):81-85. |
| |
| Authors: | Li Weilin Fu Pan Cao Weiqing |
| |
| Abstract: | |
| |
| Keywords: | algorithms backpropagation algorithms convergence of numerical methods efficiency feature extraction Kalman filters measurements monitoring preventive maintenance support vector machines systematic errors tool wear monitoring tools wavelet transforms we |
| 本文献已被 万方数据 等数据库收录！ |
|
