本文主要研究内容
作者朱翔,谢峰（2019）在《基于核主成分分析BP＿Ada Boost算法的数控铣床故障诊断》一文中研究指出：刀具是数控铣床加工过程的关键零部件,其长期处于高速加工状态极其容易出现故障。针对数控铣床加工过程中刀具的磨损状态数据少、诊断效率低、维护成本高、缺乏有效的诊断方法的问题,提出了利用小波包分析与核主成分分析提取特征,然后利用BP_AdaBoost算法对刀具磨损状态进行诊断的方法。通过在数控铣床的加工工件与其夹具间安装测力仪及安装加速度传感器,来采集立铣刀振动信号与切削力信号;然后对振动信号与切削力信号进行小波包分析处理,将处理好的信号进行核主成分分析(KPCA),降维以后作为立铣刀磨损状态的特征向量;最后利用得到的特征向量训练和验证BP_AdaBoost分类模型。实验结果表明BP_AdaBoost算法比SVM算法能更有效实现对数控铣床的刀具磨损状态的评估。
Abstract
dao ju shi shu kong xi chuang jia gong guo cheng de guan jian ling bu jian ,ji chang ji chu yu gao su jia gong zhuang tai ji ji rong yi chu xian gu zhang 。zhen dui shu kong xi chuang jia gong guo cheng zhong dao ju de mo sun zhuang tai shu ju shao 、zhen duan xiao lv di 、wei hu cheng ben gao 、que fa you xiao de zhen duan fang fa de wen ti ,di chu le li yong xiao bo bao fen xi yu he zhu cheng fen fen xi di qu te zheng ,ran hou li yong BP_AdaBoostsuan fa dui dao ju mo sun zhuang tai jin hang zhen duan de fang fa 。tong guo zai shu kong xi chuang de jia gong gong jian yu ji ga ju jian an zhuang ce li yi ji an zhuang jia su du chuan gan qi ,lai cai ji li xi dao zhen dong xin hao yu qie xiao li xin hao ;ran hou dui zhen dong xin hao yu qie xiao li xin hao jin hang xiao bo bao fen xi chu li ,jiang chu li hao de xin hao jin hang he zhu cheng fen fen xi (KPCA),jiang wei yi hou zuo wei li xi dao mo sun zhuang tai de te zheng xiang liang ;zui hou li yong de dao de te zheng xiang liang xun lian he yan zheng BP_AdaBoostfen lei mo xing 。shi yan jie guo biao ming BP_AdaBoostsuan fa bi SVMsuan fa neng geng you xiao shi xian dui shu kong xi chuang de dao ju mo sun zhuang tai de ping gu 。
论文参考文献
论文详细介绍
论文作者分别是来自机械强度的朱翔,谢峰，发表于刊物机械强度2019年06期论文，是一篇关于刀具磨损状态论文,切削力信号论文,加速度信号论文,小波包分析论文,核主成分分析降维论文,机械强度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，资料来自机械强度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：刀具磨损状态论文; 切削力信号论文; 加速度信号论文; 小波包分析论文; 核主成分分析降维论文; 机械强度2019年06期论文;