卡尔曼滤波修正LS_SVM的刀具磨损识别技术研究.pdfVIP

2015 年 1 月 机械科学与技术 January 2015 34 1 Mechanical Science and Technology for Aerospace Engineering Vol． 34 No． 1 第 卷 第 期 DOI :10． 13433 /j ． cnki． 1003-8728． 2015． 0117 卡尔曼滤波修正LS-SVM 的刀具磨损识别技术研究 ， ， 李威霖 傅攀 曹伟青 ( ， 610031) 西南交通大学机械工程学院 成都 : 、 ， 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 (LS-SVM) ， 出了基于最小二乘支持向量机 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 ， LS-SVM ， ， 刀具磨损状态的特征信息 作为 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 ， 。 :LS-SVM 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 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 中图分类号:TH17 文献标识码:A 文章编号:1003-8728 (20 15)0 1-0081-05 Study on the Technology of Tool Wear Monitoring by Modifying Least Square Support Vector Machine via Kalman Filter Li Weilin ，Fu Pan ，Cao Weiqing (School of Mechanical Engineering ，Southwest Jiaotong University ，Chengdu 610031) Abstract :Tool wear state directly affects the product quality ，productivity and cost． The tool condition monitoring system is conduci