支持向量機(jī)在刀具故障診斷中的應(yīng)用.pdf

1、加工過程中刀具的磨損將造成工件的精度及粗糙度變差，甚至造成工件的報(bào)廢，機(jī)床停機(jī)等故障。因此，刀具故障診斷成為了工況監(jiān)測中的一個(gè)極為關(guān)鍵的技術(shù)環(huán)節(jié)。 首先采用聲發(fā)射技術(shù)采集刀具切削狀態(tài)的數(shù)據(jù)，使用小波包分析技術(shù)提取能量譜，進(jìn)行特征提取。然后闡述了支持向量機(jī)理論，基于已提取的特征，構(gòu)建支持向量機(jī)分類器，用不同規(guī)模的數(shù)據(jù)進(jìn)行訓(xùn)練測試，得到了理想的分類效果。 本文的主要內(nèi)容如下： 第一章綜述了刀具狀態(tài)識別目的和意義，分析

2、了國內(nèi)外聲發(fā)射技術(shù)和小波包分析技術(shù)的發(fā)展及研究現(xiàn)狀。論述了統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)理論研究和應(yīng)用發(fā)展。最后給出了本論文的主要研究內(nèi)容，并給出論文的總體框架。 第二章著重介紹了聲發(fā)射技術(shù)的原理及特點(diǎn)，并分析了聲發(fā)射信號的特征提取方法。 第三章介紹了小波包分析技術(shù)及其特點(diǎn)。根據(jù)刀具聲發(fā)射信號具有隨機(jī)性的特點(diǎn)和小波包分析良好的時(shí)頻局部化特性，本論文給出了小波包分解提取信號特征的方法，分析結(jié)果表明了小波包分解提取的能量特征能夠正