基于EMD和SVM与AE传感器的刀具磨损识别

《基于EMD和SVM与AE传感器的刀具磨损识别》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、基于EMD和SVM与AE传感器的刀具磨损识别摘要与传统方法的对比，声发射（AE）传感器具有更好的刀具磨损识别性能因此，本文采用AE传感器来识别刀具磨损。由于AE的多样性和时变性，采用经验模式分解（EMD）和支持向量机（SupportVectorMachine，SVM）来分析AE信号。EMD适用于分析非平稳信号，SVM具有良好的小样本分类能力。根据这些特点，提出了一种基于EMD和SVM识别刀具磨损故障的方法。通过EMD提取不同条件下工具的特性，并通过SVM分类器识别刀具磨损。实验结果表明，基于EMD和SVM的方法适用于识别刀具磨损，成功鉴定率为95％。

2、关键词：工具磨损；AE传感器；经验模式分解；支持向量机第一章介绍随着市场竞争的加剧，现代制造业应尽可能提高产量，同时降低成本。现代制造的方向是实现自动化和无人操作。但是，工具磨损由操作者以常规方法识别。它是主观的，成为现代制造发展的瓶颈。因此，广泛研究了刀具磨损的在线检测方法，常规方法包括电流，光纤和图像，可直接检测工具磨损。但是这些方法没有由于存在切屑和热应力，实现了良好的效果[1,2]，切割力其中可以间接检测刀具磨损，由于进给速率变化和切割深度变化的微弱，没有取得良好的效果[3-6]。声发射反映了心理材料内部晶格的变化。因此它包含了关于刀具磨损的

3、许多信息，并广泛应用于故障检测领域[7,8]。但是由于AE信号的多样性和不可逆性，难以提取刀具磨损的特征。AE信号特征提取的常规方法是小波包分解，从不同频率的功率提取特征带。EMD可以基于局部特征自适应分解信号。在分解过程中，可以自适应地创建基本功能。然后分解后实现的内在模式函数（IMF）包括原始信号的局部特征，自适应实现多分辨率分析[11]。因此，EMD用于提取刀具磨损的特征，SVM用于识别刀具磨损模式。本文将结构如下：在第二章，我们将介绍EMD方法的定理;在第三章我们将介绍SVM方法的定理;在第四章中，我们将介绍我们的方法，解释每一步;在第五章中

4、，我们将展示如何应用此方法进行刀具磨损识别。最后，我们将提出意义上的结论。第二章经验模式分解1998年，在美国航空航天局戈达德太空飞行中心工作的NordenE.Huang,提出了Hilbert-Huang变换来处理具有非线性和非平稳特征的信号[12]。变换的主要特征是采用经验模式分解技术，将数据分解成具有模式功能的正交IMF组。在这里，IMF必须满足下面两个条件。第一个是极值的数量等于过零点的数量。第二个是上包络线和下包络线的局部对称性[13]。事实上，AE信号可能不是满足这些条件是因为其在工具磨损过程中的复杂性。但是，Hilbert-Huang说任

5、何信号都是由一些不同的内在模式组成的，它们可能是线性的或非线性的[14,15]。该极值数等于本地组中的零点数，具有上包络线和下包络线的对称特性。在任何时候，信号可能包括许多固有模式。如果这些模式相互重叠，它们可能会形成复合信号。因此，任何信号都可能被分解成无限的IMF，这可以通过下面的方法来实现。（1）确定本地的所有极值点组，然后连接这些最大点以通过三次样条线格式化上包络线。同时，连接这些最小点以通过三次样条线来格式化下包络线。这两条线包括信号的所有数据。（2）设两条信封线的平均值为表示为1，然后计算（1）优分类器面可以在非线性变换后实现线性分类器。

6、本文选择径向基函数（RBF）。（3）判断是满足IMF。如果不满足IMF的条件，则重复步骤（1）和（2），而作为原始数据，直到满足IMF的条件。现在，令=。因此，的第一个IMF是，它表示的高频分量。（4）从提取，然后获得信号没有高频分量。（2）作为原始数据，根据步骤（1），（2）和（3）处理以实现由表示的第二个IMF。重复游行，实现了IMF。（3）当或满足变为单调函数的终止条件时，重复终止。从式（2）和（3）可以看出，(4)这里，是表示信号趋势的残差函数,然而，每个IMF，，分别表示从高到低的不同频带分量。EMD可以将信号分解成波形，并将趋势分解为不同

7、的尺度，然后实现具有不同特征尺度的一系列IMF。每个IMF都关注信号的本地特征。然后，特征提取可能更准确有效。因此，当工具磨损时，采用EMD从AE信号中提取特征。第三章支持向量机1995年，Vapnik提出SVM方法，被认为是分类方法的代表，特别是当样本和非线性情况较少时[16,17]。它具有更好的泛化性能。假设有两类训练样本可用。,（1）这里，是样本数，是维数，是类的标识符。非线性问题可以在高维空间中转化为线性问题，其中实现了最优分类器面。基于功能定理，只有当sum函数满足Mercer条件时，它才对应于变换空间的内积。所以，一个适当的内部生产功能最

8、优分类器面可以在非线性变换后实现线性分类器。本文选择径向基函数（RBF）。{-()2}(2)分类器面方程的一