-
题名基于主轴电机电流信号的表面粗糙度检测
- 1
-
-
作者
刘雪杰
李国富
任潞
-
机构
宁波大学机械工程与力学学院
-
出处
《电子技术应用》
2024年第2期54-59,共6页
-
基金
国家自然科学基金项目(22108316)
宁波市自然基金项目(2023J102)。
-
文摘
针对表面粗糙度不能及时检测造成的工件浪费问题,首次提出根据主轴电机电流信号进行表面粗糙度检测分类。通过实验采集不同表面粗糙度加工时的主轴电机电流信号,采用小波包分解将电流信号分解成不同频段,借助能量特征和裕度因子对不同频段电流信号进行评估,过滤低相关性频段,再通过随机森林筛选特征,降低特征的冗余性。总谐波失真特征实现了积屑瘤检测,仅依赖构建的电流信号特征工程表面粗糙度检测准确率高达95%以上,并且检测时间在2 s以内,基本实现了工件表面粗糙度的快速准确检测。
-
关键词
主轴电机电流信号
小波包分解
随机森林
总谐波失真
表面粗糙度
-
Keywords
spindle motor current signal
wavelet packet decomposition
random forest
the total harmonic distortion
surface roughness
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于SSA-BP算法的刀具破损状态在机识别技术
被引量:1
- 2
-
-
作者
张曦
肖雄
郑文妞
张龙佳
-
机构
上海大学机电工程与自动化学院
-
出处
《计量与测试技术》
2023年第3期57-61,64,共6页
-
文摘
刀具的破损状态对机床的加工精度和加工表面质量有着重要的影响,若破损后未及时停机更换新刀,则会造成工件报废、机床损坏等严重后果。本文针对主轴电流信号,采用一种改进后的麻雀搜索优化BP神经网络算法(SSA-BP),对BP神经网络的权值和阈值进行优化,并对刀具破损状态进行识别。与传统BP神经网络和基于遗传算法优化的BP神经网络(GA-BP)相比,改进后的SSA-BP算法分类精度更高,耗费时间更短,神经网络稳定性更好,更适用于刀具破损状态的判断。
-
关键词
刀具破损
主轴电流信号
BP神经网络
麻雀搜索算法
-
Keywords
tool breakage
spindle current signal
BP neural network
sparrow search algorithm
-
分类号
TG71
[金属学及工艺—刀具与模具]
-