| 支持向量机的刀具磨损状态监测 |
| |
| 引用本文： | 谢楠,马飞,段明雷,李爱平.支持向量机的刀具磨损状态监测[J].同济大学学报(自然科学版),2016,44(3):0434-0439. |
| |
| 作者姓名： | 谢楠 马飞 段明雷 李爱平 |
| |
| 作者单位： | 同济大学 中德工程学院，上海 201804,同济大学 机械与能源工程学院，上海 201804,同济大学 机械与能源工程学院，上海 201804,同济大学 机械与能源工程学院，上海 201804 |
| |
| 基金项目： | 国家自然科学基金（71471139），国家国际科技合作专项资助（2012DFG72210），上海市科委基础研究重点项目（12JC1408700），浙江省自然科学基金（Y14E050085） |
| |
| 摘 要： | 为了监测刀具磨损状态,建立了一个基于功率传感器的刀具磨损状态监测系统.提出了一种基于主成分分析(PCA)与C-支持向量机(C-SVM)相结合的刀具磨损状态监测模型.通过功率传感器采集切削过程中的电流和功率信号,采用PCA对采集的参数进行特征提取,选择对刀具磨损状态影响最大的主成分作为C-SVM的输入样本,实现对刀具磨损状态的准确识别.通过数控车床切削实验表明,即使在较少的样本条件下,该方法仍然有效,并与反向传播(BP)神经网络进行了性能比较.
|
| 关 键 词： | 刀具磨损 监测 主成分分析 C-支持向量机 |
| 收稿时间： | 6/5/2015 12:00:00 AM |
| 修稿时间： | 2015/12/7 0:00:00 |
Tool Wear Condition Monitoring based on Principal Component Analysis and C Support Vector Machine |
| |
| XIE Nan,MA Fei,DUAN Minglei and LI Aiping.Tool Wear Condition Monitoring based on Principal Component Analysis and C Support Vector Machine[J].Journal of Tongji University(Natural Science),2016,44(3):0434-0439. |
| |
| Authors: | XIE Nan MA Fei DUAN Minglei and LI Aiping |
| |
| Institution: | Sino German College of Applied Science, Tongji University, Shanghai, 201804, China,College of Mechanical Engineering, Tongji University, Shanghai, 201804, China,College of Mechanical Engineering, Tongji University, Shanghai, 201804, China and College of Mechanical Engineering, Tongji University, Shanghai, 201804, China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《同济大学学报(自然科学版)》下载免费的PDF全文 |
|
