基于小波包-隐马尔科夫模型的机床加工状态识别.pdf

《基于小波包-隐马尔科夫模型的机床加工状态识别.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、2013年4月机床与液压Apr．2013第41卷第7期MACHINETO0L&HYDRAULICSVo1．41No．7DOI：10．3969／j．issn．1001—3881．2013．07．057基于小波包一隐马尔科夫模型的机床加工状态识别谢锋云(华东交通大学机电工程学院，江西南昌330013)摘要：机床加工状态对加工工件质量有很大的影响，因此识别机床加工状态有重要的意义。依据采集的机床加工数据，通过FFrI1频谱分析，划分出机床加工的3种状态。利用小波包分解，分别求出各种状态在不同频带节点上的能量分布百分比，并把它作为隐马尔

2、科夫模型的输入特征向量。按照隐马尔科夫模型模式识别方法，建立3种标准状态的训练优化模型库，把测试样本代入优化模型库中，依据最大对数似然值对机床的加工状态进行了识别。计算结果表明，状态识别结果正确。关键词：小波包；隐马尔科夫模型；机床；状态识别中图分类号：TH133：TP391文献标识码：A文章编号：1001—3881(2013)7—202—3StateRecognitionofMachineToolsProcessingBasedonWaveletPacketandHiddenMarkovModelXIEFengyun(Scho

3、olofMechanicalandElectroniealEngineering，EastChinaJiaotongUniversity，NanchangJiangxi330013，China)Abstract：Thestatesofmachinetoolsprocessingareveryimportanttoqualityofworkpieee，SOstaterecognitionofmachinetoolsprocessingisverysignificance．Themachinetoolprocessingwasdiv

4、idedintothreestatesbyFFTspectrumanalysisaccordingtosampledata．TheenergydistributionoffrequencybandbywaveletpacketdecompositionwasregardedasthefeathervectorofHMM．Accord—ingtotheHMMpatternrecognitionmethod，trainingoptimizationmodellibraryofthreestandardstateswassetup．A

5、casewasstudiedforthestaterecognitionofmachinetoolprocessingafterthetestsamplesweresubstitutedintooptimizationmodellibrary．Itisshownthattherecognitionresultsarecorrectbythewaveletpacket—HMMmethod．Keywords：Waveletpacket；HMM；Machinetools；Staterecognition机床加工状态的识别，尤其是机床加

6、工中的颤振的机床加工状态识别方法，利用小波包分解进行特征状态的识别是非常重要的。加工过程中如果发生颤提取，分别求出各种状态在不同频带上的能量百分振，会严重降低加工质量、切削效率，并会降低刀比，作为HMM的输入观测特征向量；按照HMM模具、机床的使用寿命等⋯。识别过程主要由特征提取式识别方法，训练标准样本模型，依据测试样本的最和模式识别组成。过去的研究中，在特征提取方面提大对数似然值，对机床的加工状态进行状态识别。出了两类方法：一种是时域特征提取，主要采用传统1小波包分解与HMM基本原理的概率统计分析的方法，缺点是机床加工状态变化

7、过小波变换是非平稳信号处理比较理想的数学工程中，时域信号是一个渐变的过程；另一种是频域特具，小波函数定义：设(t)为一平方可积函数，如征提取，在不同的加工状态中，系统在频域内的能量果其傅里叶变换()满足分布有着显著的差别。如在时域中颤振振幅刚刚开始JfRlId∞<∞(1)增大阶段，加工振动能量就已集中在一个十分窄的频段内，则在频域内提取的特征量比在时域内提取的特则称()为一个基本小波或母小波。征量具有更大的准确性。小波分析是一种时间窗和频率窗均可改变的时频作者提出基于小波包一HMM(隐马尔科夫模型)局部化分析方法。把信号分解成位

8、于不同频带和时段收稿日期：2012—03—18基金项目：江西省自然科学基金资助项目(20114BAB206003)；载运工具与装备教育部重点实验室资助项目(09JD03)作者简介：谢锋云(1976一)，男，博士研究生，讲师，主要从事在线检测、自动控制的教学与研究