基于核主成分分析BP＿Ada Boost算法的数控铣床故障诊断

论文摘要

刀具是数控铣床加工过程的关键零部件,其长期处于高速加工状态极其容易出现故障。针对数控铣床加工过程中刀具的磨损状态数据少、诊断效率低、维护成本高、缺乏有效的诊断方法的问题,提出了利用小波包分析与核主成分分析提取特征,然后利用BP_AdaBoost算法对刀具磨损状态进行诊断的方法。通过在数控铣床的加工工件与其夹具间安装测力仪及安装加速度传感器,来采集立铣刀振动信号与切削力信号;然后对振动信号与切削力信号进行小波包分析处理,将处理好的信号进行核主成分分析(KPCA),降维以后作为立铣刀磨损状态的特征向量;最后利用得到的特征向量训练和验证BP_AdaBoost分类模型。实验结果表明BP_AdaBoost算法比SVM算法能更有效实现对数控铣床的刀具磨损状态的评估。

论文目录

• 引言
• 1 基本理论和方法
•   1.1 小波包分析
•   1.2 核主成分分析（KPCA）
•   1.3 BP＿AdaBoost算法的刀具磨损状态训练模型
• 2 基于BP＿AdaBoost算法刀具磨损状态监测
• 3 实验数据
•   3.1 数控铣床的刀具的磨损状态
• 4 实验结果分析
• 5 结论

文章来源

类型: 期刊论文

作者: 朱翔,谢峰

关键词: 刀具磨损状态,切削力信号,加速度信号,小波包分析,核主成分分析降维

来源: 机械强度 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,工程科技Ⅰ辑,信息科技

专业: 数学,金属学及金属工艺,自动化技术

单位: 安徽大学电气工程与自动化学院

基金: 安徽省科技攻关项目(1804009020003),国家自然科学基金项目(51975003)资助~~

分类号: TG547;O212.4

DOI: 10.16579/j.issn.1001.9669.2019.06.004

页码: 1292-1297

总页数: 6

文件大小: 311K

下载量: 294