基于支持向量机的刀具故障预测技术的研究---硕士论文

《基于支持向量机的刀具故障预测技术的研究---硕士论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：学位论文基于支持向量机的刀具故障预测技术的研究指导教师姓名：教授河北工业大学申请学位级别：硕士学科、专业名称：测试计量技术及仪器论文提交日期：年月论文答辩日期:年月学位授予单位：河北工业大学答辩委员会主席：评阅人：年月ThesisSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofMeasuringandTestingTechnologiesandInstrumentsRESEARCHONTOOLWEARP

2、REDICTIVETECHNIQUEBASEDONSVM河北工业大学硕士学位论文基于支持向量机的刀具故障预测技术的研究摘要刀具磨损监测技术在自动化生产中具有十分重要的意义。由于实验数据有限，这是一个典型的小样本，非线性系统的故障诊断问题。前人对于刀具磨损监测已经进行了一系列的研究，提出了基于工件加工表面图像的刀具磨损监测方法，取得了很好的效果。然而，该监测方法仍存在核心问题：①在提取工件表面纹理特征的基础上，多采用人工神经网络对刀具磨损状态进行识别。但是由于实验数据有限，所以训练样本的数据量较小，

3、导致网络不够稳定。②目前该方法只是实现了对刀具磨损状态的分类，若要实现刀具磨损量的监测和预报，还需要大量的研究。基于统计学习理论框架下的支持向量机，是一种支持有限样本尤其是小样本情况下的机器学习方法，具有较高的泛化能力和较大的优越性，并在实践中得到了广泛地应用。本文将支持向量回归机用于刀具故障预测技术，结合纹理特征分析方法、遗传算法建立了基于支持向量回归机的刀具故障预测模型，主要完成了以下几项工作：1.刀具加工表面纹理特征的提取本文将灰度共生矩阵和Gabor小波变换方法将这两种方法结合起来，提取出

4、工件加工表面纹理特征，建立了刀具故障预测模型的属性特征。2.基于遗传算法的支持向量机参数优化的刀具故障预测模型在讨论核函数及其参数对预测结果的影响的基础上，根据工件表面纹理图像的特点，选择适用的特征提取参数。同时结合刀具故障预测的特点，提出采用遗传算法对支持向量机模型参数进行调整，建立基于改进支持向量机模型的刀具故障预测模型。3.基于改进支持向量机的刀具故障预测模型的应用建立实验系统，将该方法用于刀具故障预测，和传统的BP神经网络预测结果进行比较，所提出的基于支持向量机的刀具故障预测方法能保证快的

5、收敛速度和高的计算精度，误差较小，且解收敛于全局最优，结果更接近于真实值。关键词：支持向量机，刀具磨损，纹理分析，遗传算法i基于支持向量机的刀具故障预测技术的研究RESEARCHONTOOLWEARPREDICTIVETECHNIQUEBASEDONSUPPORTVECTORMACHINEABSTRACTThecuttingtoolconditionmonitoringtechnologyisveryimportanttotheautomatedproduction,whichisasmallsa

6、mplebutverycomplicatedsystemonaccountofthelimitedexperimentdatainthisthesis.Themethodbasedontheworkpiecesurfaceimagehasbeenproposedandmanygoodresultshavebeenmade.However,therearestillcrucialproblemswiththemethod:①Onthebasisofthefeatureextractionofwork

7、piecesurfaceimages,neuralnetworkshavebeenwidelyusedintherecognitionoftoolwearcondition.However,theyarenotconvergentduotothesmallexperimentdata.②Themethodcanonlyrecognizetheconditionofthetoolwearcondition,andagreatdealofresearchhastobemadeforthepredict

8、ionofthetoolwear.SupportVectorMachine(SVM)isanewmachinelearningmethodbasedonStatisticLearningTheory.SVMhasbeenprovedtobemorepowerfulandrobustthanexistingmethodinmostrespectsandhasshownmanyadvantageofglobaloptimization.Thisthesisconcentratesini