磨削过程信号监测与砂轮磨损预测模型构建

论文摘要

针对磨削过程中砂轮磨损难以直接监测的问题,提出了基于多特征优化融合的随机森林（MFOF-RF）算法,以实现砂轮磨损的准确预测.对外圆纵向磨削中采集的功率、加速度和声发射信号进行预处理和特征提取,获得平均值、有效值以及峰值频率等多个时域和频域信号特征.以统计学指标为评价标准,对预测模型的参数进行调优,确定了最佳的砂轮磨损信号特征组合.结果表明,相比于使用单一特征预测砂轮磨损,MFOF-RF模型提高了信号特征与砂轮磨损的相关程度,预测误差降低了30%以上.

论文目录

• 1 磨削实验设计与砂轮磨损测量
• 2 砂轮磨损预测方法
•   2.1 信号预处理
•   2.2 特征提取
•   2.3 特征选择
•   2.4 随机森林
•   2.5 MFOF-RF算法预测砂轮磨损
• 3 实验结果
•   3.1 特征选择结果与数据处理
•   3.2 砂轮磨损预测模型的训练与验证
• 4 结论

文章来源

类型: 期刊论文

作者: 郭维诚,李蓓智,杨建国,周勤之

关键词: 砂轮磨损,多特征优化融合,特征选择,随机森林

来源: 上海交通大学学报 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 金属学及金属工艺,电信技术

单位: 东华大学机械工程学院

基金: 国家科技重大专项资助项目(2018ZX04011001)

分类号: TN911.23;TG580.6

DOI: 10.16183/j.cnki.jsjtu.2019.12.010

页码: 1475-1481

总页数: 7

文件大小: 2195K

下载量: 179