基于小波包-隐马尔科夫模型机床加工状态识别.pdf

2013年4月 机床与液压 Apr．2013 第41卷 第7期 MACHINETO0L HYDRAULICS Vo1．41No．7 DOI：10．3969／j．issn．1001—3881．2013．07．057 基于小波包 一隐马尔科夫模型的机床加工状态识别 谢锋云 (华东交通大学机电工程学院，江西南昌330013) 摘要：机床加工状态对加工工件质量有很大的影响，因此识别机床加工状态有重要的意义。依据采集的机床加工数 据，通过FFrI1频谱分析 ，划分出机床加工的3种状态。利用小波包分解，分别求出各种状态在不同频带节点上的能量分布 百分比，并把它作为隐马尔科夫模型的输入特征向量。按照隐马尔科夫模型模式识别方法 ，建立3种标准状态的训练优化 模型库 ，把测试样本代入优化模型库中，依据最大对数似然值对机床的加工状态进行了识别。计算结果表明，状态识别结 果正确。 关键词：小波包 ；隐马尔科夫模型；机床；状态识别 中图分类号：TH133：TP391 文献标识码 ：A 文章编号：1001—3881(2013)7—202—3 StateRecognitionofMachineToolsProcessingBasedonW avelet PacketandHiddenM arkovM odel XIE Fengyun (SchoolofMechanicalandElectroniealEngineering，EastChinaJiaotongUniversity， NanchangJiangxi330013，China) Abstract：Thestatesofmachinetoolsprocessingareveryimportanttoqualityofworkpieee，SOstaterecognitionofmachinetools processingisverysignificance．Th emachinetoolprocessingwasdividedintothreestatesbyFFTspectrum analysisaccordingtosample data．TheenergydistributionoffrequencybandbywaveletpacketdecompositionwasregardedasthefeathervectorofHMM ．Accord— ingtotheHMM patternrecognitionmethod，trainingoptimizationmodellibraryofthreestandradstateswassetup．A casewasstudied forthestaterecognitionofmachinetoolprocessingafterthetestsamplesweresubstitutedintooptimizationmodellibrary．Itisshown thattherecongitionresultsraecorrectbythewaveletpacket—HMM method． Keywords：Waveletpacket；HMM ；Machinetools；Staterecognition 机床加工状态的识别，尤其是机床加工中的颤振 的机床加工状态识别方法 ，利用小波包分解进行特征 状态的识别是非常重要 的。加工过程中如果发生颤 提取 ，分别求出各种状态在不同频带上的能量百分 振，会严重降低加工质量、切削效率，并会降低刀 比，作为HMM的输入观测特征向量；按照HMM模 具、机床的使用寿命等…。识别过程主要由特征提取 式识别方法，训练标准样本模型，依据测试样本的最 和模式识别组成。过去的研究中，在特征提取方面提