刀具磨损特征参数提取与状态识别方法

论文摘要

为提高刀具磨损状态识别准确率,文章提出了S变换时频图纹理特征参数提取方法和基于隐马尔科夫模型的磨损状态识别方法。以声发射信号为敏感信号,设计了刀具磨损实验方案;基于EEMD算法,提出了互相关系数与鞘度相结合的综合降噪方法;使用S变换处理声发射信号得到等高线灰度图,通过灰度共生矩阵提取等高线灰度图的纹理特征参数;将类内散布矩阵和类间散布矩阵结合,提出了基于散布矩阵的特征参数敏感度分析和降维方法;采用基于隐马尔科夫模型的磨损状态识别方法,分别将全维特征参数和降维特征参数用于磨损状态识别,实验结果表明,全维特征参数的识别准确率为88.34%,降维特征参数的识别准确率为100%。

论文目录

• 0 引言
• 1 刀具磨损划分及实验设计
•   1.1 刀具磨损划分
•   1.2 实验方案
•   1.3 正交实验设计
•   1.4 实验步骤
• 2 信号降噪
•   2.1 基于EEMD的信号降噪方案
•   2.2 降噪结果
• 3 特征提取
•   3.1 S变换
•   3.2 灰度共生矩阵算法与特征参数构建
•   3.3 特征参数降维
• 4 模式识别及实验结果
•   4.1 隐马尔科夫模型
•   4.2 模式识别方案及结果
• 5 结论

文章来源

类型: 期刊论文

作者: 吕震宇

关键词: 刀具磨损状,等高线灰度图,灰度共生矩阵,散布矩阵,隐马尔科夫模型

来源: 组合机床与自动化加工技术 2019年07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,计算机软件及计算机应用

单位: 山东职业学院

基金: 省教育厅科研课题(KJ2018ZBB022)

分类号: TG71;TP391.41

DOI: 10.13462/j.cnki.mmtamt.2019.07.023

页码: 92-96+100

总页数: 6

文件大小: 2370K

下载量: 119