康振兴
- 作品数：4 被引量：24H指数：3
- 供职机构：东北电力大学机械工程学院更多>>
- 发文基金：吉林省教育厅“十二五”科学技术研究项目更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 基于MF-DFA特征和LS-SVM算法的刀具磨损状态识别被引量：9
- 2018年
- 鉴于多重分形理论在精细刻画系统非线性现象和过程方面具有的独特优势,该文提出了基于多重分形去趋势波动分析和最小二乘支持向量机的刀具磨损状态识别方法。首先,用MF-DFA(multifractal detrended fluctuations analysis)方法处理去噪后的刀具磨损声发射信号,讨论其长程相关性和分形特性;然后,分析对比了不同磨损阶段下多重分形谱参数的变化,筛选出能灵敏表征刀具磨损状态的多重分形谱参数:分形维数最大值点对应的奇异指数α_0,多重分形谱谱宽△α和广义Hurst指数波动均值△h(q)作为特征量;最后,利用LS-SVM(least square support vector machine)算法并对比支持向量机和神经网络算法实现刀具磨损状态识别,结果表明LS-SVM算法识别率最高,平均识别准确率达97.78%,验证了本文所提方法的有效性。试验结果表明,提取的特征对刀具磨损状态的变化非常敏感,可以分离相近的磨损状态,为刀具状态监测提供一种参考方法。
- 关山庞弘阳宋伟杰康振兴
- 关键词：切削刀具刀具磨损声发射支持向量机
- 基于云理论与LS-SVM的刀具磨损识别方法被引量：8
- 2017年
- 针对刀具磨损过程中产生声发射信号的不确定性以及神经网络学习算法收敛速度慢、易陷入局部极小值、对特征要求较高等问题,提出了基于云理论和最小二乘支持向量机的刀具磨损状态识别方法。首先,对声发射信号进行小波包分解与重构,滤除干扰频段对求取特征参数的影响;其次,对重构后的信号利用逆向云算法提取云特征参数:期望、熵、超熵,分析刀具磨损声发射信号的云特性及磨损状态与云特征参数之间的关系;最后,将云特征参数组成特征向量送入最小二乘支持向量机进行识别。研究结果表明:所提取的特征可以很好地反映刀具的磨损状态,云-支持向量机方法可以有效地实现刀具磨损状态的识别,与传统神经网络识别方法相比具有更高的识别率,识别率达到96.67%。
- 关山康振兴彭昶
- 关键词：刀具磨损云理论支持向量机神经网络
- 基于多重分形谱参数的刀具磨损状态特征提取被引量：1
- 2019年
- 鉴于多重分形理论在精细刻画系统非线性现象和过程方面具有独特优势,提出了基于多重分形理论的刀具磨损状态特征提取方法.首先估计去噪后的刀具磨损声发射信号多重分形谱,验证其标度不变性和自相似性;然后在此基础上研究了刀具磨损多重分形谱参数α0、Δα和f(αmin)随磨损量变化情况,并通过散点图描述三种特征参数表征刀具磨损阶段的有效性;最后结合切削条件讨论特征f(αmin)与切削速度的关联性.研究结果表明:多重分形谱参数与磨损阶段之间具有较强的关联性,进而提出了基于多重分形谱参数进行刀具磨损状态特征提取的新方法.
- 宋伟杰庞弘阳关山康振兴
- 关键词：刀具磨损声发射信号特征提取标度不变性
- 车削刀具磨损声发射信号的云特征分析被引量：7
- 2016年
- 针对刀具磨损状态监测和磨损量预测研究中特征提取这一关键技术,该文提出了基于云理论的信号特征提取方法。首先,采用小波包分析对声发射信号进行信号分解和重构,滤除噪声对提取特征参数的影响;其次根据重构信号的统计分布特性,利用逆向云算法提取信号敏感频带的期望值、熵及超熵云特征参数,定量分析刀具在不同切削条件下3种云特征参数随磨损量增大所呈现的变化规律;最后,通过散点图分析3种特征参数表征刀具磨损声发射信号的有效性。结果表明:刀具磨损声发射信号具有明显的云特性,3种云特征参数与刀具磨损状态具有明显的对应关系,可作为刀具磨损状态监测、磨损量预测的特征参数;云理论在刀具磨损监测领域的应用,扩大了知识的表示范围。
- 关山康振兴彭昶
- 关键词：切削刀具刀具磨损声发射信号特征云理论
