基于支持向量机的刀具磨损决策融合技术.pdfVIP

第4期 组合机 床 与 自动化加工 技术 NO．4 2014年4月 M odularMachineTool＆ AutomaticManufacturingTechnique Apr．2014 文章编号：1001-2265(2014)04—0089—05 DOI：10．13462／j．cnki．mmtamt．2014．40．024 基于支持向量机的刀具磨损决策融合技术水 彭美武 ，陈洪涛’，钟成明 (1．四川工程职业技术学院机 电工程系，四川 德阳 618000；2．东方汽轮机有限公司，四川 德阳 618000) 摘要：针对常用的贝叶斯算法和D—s证据论的局限性提出了基于支持向量机 (SVM)的决策融合方 法。建立了能够实时监测车削加工过程中振动和声发射信号的刀具磨损状态监测系统，在对分析信 号进行BP和Elman神经网络识别的基础上，利用支持向量机实现了决策融合。实验结果证明，基于 支持向量机的决策融合方法具有 良好的识别率和鲁棒性，且比单用某一种网络节省时间，更有利于 实现切削加工刀具状态的在线监测。 关键词：刀具磨损 ；支持向量机 ；神经网络；决策融合 中图分类号：THl66；TG65 文献标识码 ：A DecisionFusionTechniquesofToolW earStateBasedonSVM PENG Mei—wu ，CHEN Hong—tao ，ZHONG Cheng-ming (1．MechanicalandElectricalEngineeringDepartment，SichuanEngineeringTechnicalCollege，DeyangSi- chuan618000，China；2．DongFangTurbineCo．，Ltd．，DeyangSichuan618000，China) Abstract：Decisionfusionmethodbasedonsupportvectormachineisproposedforhtelimitationsofcom— monlyusedBayesianalgorihtmsandD—Sevidencehteory．Toolwearconditionmonitoringsystem capableof real—timemonitoringsignalvibration andacousticemission signalsinhtentmingprocesswasestablished． TheDecisionfusionisachievedusingsupportvectormachine，basedonBP andElmanneuralnetworkrec- ognitionsigna1．Experimentalresultsshow htatdecisionfusionmehtodbasedonsupportvectormachinehas agoodrecognitionratenadrobustness．Athtesametime，htisapproachsavestimethansingleneuralnet— work，onlinemonitoringofhtecuttingtoolwearstateismoreeasytoimplement． Keywords：toolwear；supportvectormachine(SVM)；neuralnetwork；decisionfusion 网络和 Elman网络 刮的识别结果均为对各状态的确 O 前言 认度 ，即软决策 ，如果将两种网络所得出的确认度看作 决策级融合算法在模式识别中，是应用得最多算 新特征，则二次决策转化为一类新的分类问题 。据此， 法，其决策的关键是 “不确定性问题”，即多个识别出