基于支持向量机的刀具磨损决策融合技术.pdf

《基于支持向量机的刀具磨损决策融合技术.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4期组合机床与自动化加工技术NO．42014年4月ModularMachineTool＆AutomaticManufacturingTechniqueApr．2014文章编号：1001-2265(2014)04—0089—05DOI：10．13462／j．cnki．mmtamt．2014．04．024基于支持向量机的刀具磨损决策融合技术水彭美武，陈洪涛’，钟成明(1．四川工程职业技术学院机电工程系，四川德阳618000；2．东方汽轮机有限公司，四川德阳618000)摘要：针对常用的贝叶斯算法和D—s证据论的局限性提出了基于支持向量机(SVM)的决策融合方法。建立了能够实

2、时监测车削加工过程中振动和声发射信号的刀具磨损状态监测系统，在对分析信号进行BP和Elman神经网络识别的基础上，利用支持向量机实现了决策融合。实验结果证明，基于支持向量机的决策融合方法具有良好的识别率和鲁棒性，且比单用某一种网络节省时间，更有利于实现切削加工刀具状态的在线监测。关键词：刀具磨损；支持向量机；神经网络；决策融合中图分类号：THl66；TG65文献标识码：ADecisionFusionTechniquesofToolWearStateBasedonSVMPENGMei—wu，CHENHong—tao，ZHONGCheng-ming(1．Mechanicala

3、ndElectricalEngineeringDepartment，SichuanEngineeringTechnicalCollege，DeyangSi-chuan618000，China；2．DongFangTurbineCo．，Ltd．，DeyangSichuan618000，China)Abstract：Decisionfusionmethodbasedonsupportvectormachineisproposedforthelimitationsofcom—monlyusedBayesianalgorithmsandD—Sevidencetheory．Tool

4、wearconditionmonitoringsystemcapableofreal—timemonitoringsignalvibrationandacousticemissionsignalsinthetnmingprocesswasestablished．TheDecisionfusionisachievedusingsupportvectormachine，basedonBPandElmanneuralnetworkrec-ognitionsigna1．Experimentalresultsshowthatdecisionfusionmethodbasedonsu

5、pportvectormachinehasagoodrecognitionrateandrobustness．Atthesametime，thisapproachsavestimethansingleneuralnet—work，onlinemonitoringofthecuttingtoolwearstateismoreeasytoimplement．Keywords：toolwear；supportvectormachine(SVM)；neuralnetwork；decisionfusion网络和Elman网络刮的识别结果均为对各状态的确O前言认度，即软决策，如果将两

6、种网络所得出的确认度看作决策级融合算法在模式识别中，是应用得最多算新特征，则二次决策转化为一类新的分类问题。据此，法，其决策的关键是“不确定性问题”，即多个识别出本文避开贝叶斯算法和D．S证据论方法中的困难，提现分歧时，如何获得最终决策；同时，该算法实时性高，出基于支持向量机的决策层目标识别方法。数据处理量低，传输速度快。目前，实现决策级信息融合方法主要有贝叶斯算法和D—s证据理论等引。但1试验平台搭建和试验方案实际应用中，却是很难获得贝叶斯算法所需要的各个1．1试验平台搭建传感器信号；而D．s证据论却具有潜在的指数复杂度，本试验选用CK6143／100数控车床、Kist

7、ler9257B且难以保证各证据的相互独立。这严重限制了这两种测力仪、8702B50M1K—Shear陶瓷加速度计、方法在现实工程中的推广。事实上，在处理刀具磨损8152B12SP声发射传感器、DEWE．3021数字采集系统状态识别的问题时，关心的是如何根据已知识别来作等搭建了能够实时监测数控车削加工过程中切削力、出最终判别，以及该判别的正确率。如果把两个神经振动和声发射信号的刀具磨损状态监测系统，如图1网络根据数据特征作出的识别看作一次决策，则决策所示。试验毛坯材料为奥氏体不锈钢304L，刀片为肯级融合则是在此基础上实现的二