| 复合材料钻削刀具状态集成学习分类技术 |
| |
| 引用本文： | 张彦超.复合材料钻削刀具状态集成学习分类技术[J].宇航材料工艺,2015,45(6). |
| |
| 作者姓名： | 张彦超 |
| |
| 作者单位： | 天津大学机械工程学院 |
| |
| 摘 要： | 刀具状态监测关系到工件加工质量,因此实时掌握刀具的磨损状态具有重要的意义。针对单一模式识别分类器的局限性,提出了基于异态集成学习模型的刀具状态监测系统。在该系统中,根据集成学习基分类器选择原则,选取了支持向量机(SVM)、隐马尔科夫模型(HMM)以及径向基神经网络(RBF)这3个单分类器作为基分类器。为了验证监测系统的有效性,进行了复合材料钻削实验,提取了加工过程中的钻削力信号、振动信号的时域特征并利用局部保持法(LPP)进行了特征选择。通过与单分类器和集成学习分类效果的对比,表明了集成学习模型相比于单一基分类器具有更高的分类精度和更好的稳定性。
|
| 关 键 词： | 刀具状态监测 异态集成学习 切削力 复合材料 支持向量机 局部保持法 |
Tool Condition Monitoring Technology for CFRP Drilling Based onHeterogeneous Ensemble Learning Model |
| |
| Institution: | School of Mechanical Engineering, Tianjin University |
| |
| Abstract: | |
| |
| Keywords: | Tool condition monitoring Heterogeneous ensemble learning Cutting force CFRP SVM LPP |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《宇航材料工艺》浏览原始摘要信息 |
| 点击此处可从《宇航材料工艺》下载免费的PDF全文 |
|
