基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。     

脉冲涡流阵列探头与铝合金缺陷定量检测

针对航空铝合金试件体积较大的问题,建立了阵列式脉冲涡流探头有限元仿真模型,根据脉冲涡流趋肤效应及能量分布原理,设计了MAX038仿真模型产生激励信号并加载于阵列线圈上,通过优化线圈参数实现了试件缺陷的定量检测。结果表明,仿真模型激励信号加载于线圈上生成的磁场分布,与模拟激励相似但更接近实际情况。优化后的线圈提高了缺陷识别灵敏度和分辨率,在缺陷检测中表面缺陷宽度与特征信号峰值成正比,缺陷深度与特征信号峰值成指数关系。