基于双谱奇异值分解的刀具磨损识别方法.pdfVIP

2013年 9月 机床与液压 Sep．2013 第4l卷 第 17期 MACHINETO0L HYDRAUUCS Vo】．41No．17 DOI：10．3969／j．issn．1001—3881．2013．17．013 基于双谱奇异值分解的刀具磨损识别方法 关山 ，刘桂祥 (1．东北电力大学机械工程学院，吉林吉林 132012；2．安徽宏源铁塔有限公司，安徽合肥230601) 摘要 ：针对刀具磨损声发射信号的非线性 、非平稳特性，提出一种基于双谱奇异值分解的刀具磨损特征提取方法。对 刀具不同磨损阶段的声发射信号进行双谱分析，构造初始特征向量矩阵，然后对初始特征向量矩阵进行奇异值分解，计算 奇异谱 ，将奇异谱作为刀具磨损特征向量 ，利用最小二乘支持向量机对刀具磨损状态进行识别。实验结果表明：所提取的 特征可以很好地反映刀具的磨损状态 ，最小二乘支持向量机更适于在小样本下实现刀具磨损状态的识别，与神经网络识别 方法相 比具有更高的识别率。 关键词 ：刀具磨损状态监测；双谱分析 ；奇异值分解；最小二乘支持向量机 中图分类号：TH165 文献标识码：A 文章编号 ：1001—3881(2013)17—047—6 IdentificationMethodforToolW earBasedonBispectrum SingularValueDecomposition GUAN Shan ．LIU Guixiang (1．SchoolofMechanicalEngineering，NortheastDianliUniversity，JilinJilin132012，China； 2．AnhuiHongyuanTowerCo．，Ltd，HefeiAnhui230601，China) Abstract：Inviewofthenonlinearandnon—stationarycharacteristicsofacousticemissionsignaloftoolweal，afeatureextraction methodbasedonbispectrum singularvaluedecompositionwasproposed．Thebispectrum analysismethodwasusedtodecomposethe collectedacousticemissionsignalsthatreflectingthedifferenttoolwearstage．theinitialfeaturevectormatrixwasconstructed．Thenu— singinitialfeaturevectormatrix，thesingularspectrum wascalculatedbythemethodofsingularvaluedecomposition．Leastsquares supportvectormachine(LS—SVM)wasselectedtoidentifythetoolswearstate．Theidentificationresultshowsthatthebispecturmlea— turecanbetterreflectthetoolwearstate．LS—SVM isefficient，feasibleandsuperiortoneuralnetwork，andithasahigheridentifica— tionrate． Keywords：Toolwera condition monitoring；Bispecturm analysis；Singularvaluedecomposition；Leastsquaressupport vector machine 金属切削过程中产生的声发射信号，其来源较 献 。试验 目的是研究刀具磨损量与切削速度、进给 多 ，加之被切削材料材质的不均匀，使得声发射信 量、切削深度之间的关系。由于切削速度对刀具寿命 号表现为较强的非线性、非平