基于小波包分析和LS-SVM的钻削刀具状态识别研究

为了有效地识别钻削刀具磨损状态,提出一种基于小波包分析和最小二乘支持向量机(LS-SVM)的状态识别方法。通过在线监测钻削加工过程中的钻削轴向力和刀具状态,采用时域分析、频域分析以及小波包分析法对刀具磨损状态的信号进行特征向量提取,建立基于最小二乘支持向量机(LS-SVM)的分类识别模型。通过试验验证了该方法可以提高刀具磨损状态的识别精度。

基于铣削力仿真样本和降维分类算法的刀具状态监测方法

针对铣削加工过程中刀具磨损造成的主切削力增大现象,提出一种基于计算仿真、降维和分类模型的铣削力判断方法。该方法基于瞬时切厚推导铣削力计算公式,模拟铣削加工过程的时域切削力。依据刀具磨损和切削力增大的关系,生成模拟样本。对生成的样本进行主成分分析(Principal Component Analysis,PCA)和核支持向量机(kernel-based Support Vector Machine,k SVM)分类训练。试验表明,该方法对铣削力样本具有很强的辨认能力,成本较低,可以应用到刀具磨损判断领域。