本文主要研究内容
作者李欣,邓小雷,张玉良,余建平（2019）在《基于隐马尔科夫模型和支持向量机的曲面加工颤振识别与预报》一文中研究指出：针对曲面加工过程容易产生加工颤振而导致表面加工质量降低的问题,提出一种基于隐马尔科夫模型和支持向量机(HMM-SVM)的颤振早期识别与预报方法。首先,根据曲面加工颤振发展较快,孕育阶段时间短,难以与正常加工及颤振爆发阶段区分的现象,结合HMM模型有较强的相似性归类能力和SVM有较强的二类分类能力的特点,设计了基于HMM-SVM混合模型的颤振识别与预报系统;其次,应用加速度传感器采集曲面加工过程中刀具振动信号,完成反映加工状态的特征信号的获取;最后,利用HMM、HMM-SVM分别进行曲面加工状态识别试验,并进行结果分析与比较。试验结果表明:与单独使用HMM模型相比,基于HMM-SVM混合模型可以大大提高识别准确率,3种加工状态识别率均达95%以上,并具有较好的识别实时性,识别时间1.5s以内,可实现颤振快速识别与预报,为后续颤振抑制环节提供依据和保证。
Abstract
zhen dui qu mian jia gong guo cheng rong yi chan sheng jia gong chan zhen er dao zhi biao mian jia gong zhi liang jiang di de wen ti ,di chu yi chong ji yu yin ma er ke fu mo xing he zhi chi xiang liang ji (HMM-SVM)de chan zhen zao ji shi bie yu yu bao fang fa 。shou xian ,gen ju qu mian jia gong chan zhen fa zhan jiao kuai ,yun yo jie duan shi jian duan ,nan yi yu zheng chang jia gong ji chan zhen bao fa jie duan ou fen de xian xiang ,jie ge HMMmo xing you jiao jiang de xiang shi xing gui lei neng li he SVMyou jiao jiang de er lei fen lei neng li de te dian ,she ji le ji yu HMM-SVMhun ge mo xing de chan zhen shi bie yu yu bao ji tong ;ji ci ,ying yong jia su du chuan gan qi cai ji qu mian jia gong guo cheng zhong dao ju zhen dong xin hao ,wan cheng fan ying jia gong zhuang tai de te zheng xin hao de huo qu ;zui hou ,li yong HMM、HMM-SVMfen bie jin hang qu mian jia gong zhuang tai shi bie shi yan ,bing jin hang jie guo fen xi yu bi jiao 。shi yan jie guo biao ming :yu chan du shi yong HMMmo xing xiang bi ,ji yu HMM-SVMhun ge mo xing ke yi da da di gao shi bie zhun que lv ,3chong jia gong zhuang tai shi bie lv jun da 95%yi shang ,bing ju you jiao hao de shi bie shi shi xing ,shi bie shi jian 1.5syi nei ,ke shi xian chan zhen kuai su shi bie yu yu bao ,wei hou xu chan zhen yi zhi huan jie di gong yi ju he bao zheng 。
论文参考文献
论文详细介绍
论文作者分别是来自航空制造技术的李欣,邓小雷,张玉良,余建平，发表于刊物航空制造技术2019年06期论文，是一篇关于颤振预报论文,状态识别论文,曲面加工论文,隐马尔科夫模型论文,支持向量机论文,航空制造技术2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自航空制造技术2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：颤振预报论文; 状态识别论文; 曲面加工论文; 隐马尔科夫模型论文; 支持向量机论文; 航空制造技术2019年06期论文;