改进VMD-LSTM法在刀具磨损状态识别中的应用

针对车刀在实际加工时工况复杂导致磨损状态识别精度不高的问题,提出了一种基于最大包络峰度法的变分模态分解(Variational mode decomposition,VMD)结合长短时记忆网络(Long short-term memory,LSTM)的组合分类算法。采用最大包络峰度法确定VMD最佳分解模态数,计算信噪比对高频信号进行降噪重构,然后对原始信号以及分解后的信号进行特征提取和清洗,针对数据样本不均衡的问题,引入SMOTE算法合成少数类样本,结合特征变化以及刀具加工过程中的磨损划分数据集,使用LSTM模型实现多工况下车刀磨损状态的分类。最后通过实验验证所提出的模型和方法的有效性,实验结果表明,此模型与其他分类模型相比具有更高的分类精度以及更好的泛化性。

自动锁付机构夹头多响应优化设计

通过对螺丝锁付研究和分析,发现锁付夹头的夹片尺寸和弹簧大小对螺丝的锁付性能及自身磨损有显著影响,为避免螺丝在锁付过程中锁付失败和减小夹头的磨损,提出基于响应面方法和满意度函数方法,并对锁付夹头的设计参数进行多响应优化,以便找到更好的减小磨损设计。先对锁付机构进行建模,结合响应面设计方法与有限元数值分析方法,建立相关响应面模型,并通过方差分析进行检查。同时也研究因子之间的相互作用,并利用满意性函数法确定最佳设计。结果表明,与原始模型相比,优化后应力下降了41.2%,质量增加不大,达到了优化效果。