摘要：为准确识别刀具磨损状态,提出了基于MF-DFA的特征提取方法和基于LS-SVM的磨损状态辨识方法。设计了刀具磨损试验方案;提出了具有可调节参数的改进阈值小波降噪方法,解决了硬阈值降噪不连续和软阈值降噪失真问题,降噪后信号的信噪比和均方误差优于另外两种阈值;分析了多重分形谱参数与声发射信号特征对应关系,基于此初选了特征参数,根据刀具不同磨损阶段各参数的分布情况优选了特征参数,且优选特征参数聚类效果极佳;采用基于LS-SVM算法的磨损阶段识别方法,分别使用初选特征参数与优选特征参数进行模式识别,实验结果表明,优选特征参数的识别精度明显高于初选特征参数;与BP神经网络、SVM算法相比,LS-SVM算法的识别准确率最高、时间消耗最小。

摘要：近些年我国在高速铁路、地铁等公共交通设施的建设取得了非常快速的发展,同时矿产资源的开发、军事设施的兴建都使得全断面掘进机的应用十分广泛。全断面岩石掘进机是一种专门用来进行地下隧道建设工程而设计的高新领域设备。目前,我国是世界上隧道工程开展最多的国家,并且我国在地下工程的建设速度达到了世界一流。目前国际上在掘进机的先进产品上面处于领先地位的分别是德国和日本以及美国的几家大的跨国公司,我国在总体技术上与国际先进水平还具有一定的差距.

摘要：为解决在机械加工过程中刀具的磨损及崩刃对加工质量和效率的影响,通过机器人学习技术,设计一套基于EMD-PSO-HMM刀具磨损监控系统。首先提取不同刀具磨损状态下主轴的电流信号,由于传统小波分析及傅里叶分析在信号分析过程存在一定局限性,文章采用EMD算法对加工过程中主轴电流信号进行不同尺度信号分解并提取特征参数,将提取的特征值输入HMM模型进行训练迭代。为解决HMM模型在模型训练的过程中存在局部最小值的问题,文章引入粒子群算法对HMM模型的输入参数进行全局搜索以达到最优值。基于以上形成的EMD-PSO-HMM刀具磨损监控系统在实际刀具磨损状态评估过程中具有较高的准确性。

摘要：针对机床加工过程中铣削刀具状态监测困难,以及单传感器监测法存在信息不全的问题,提出了一种利用随机森林完成多传感器信息融合的刀具磨损状态监测研究方法。在不同的切削参数下,以声发射传感器和振动传感器为信号采集元件,多方位采集信号,并对信号进行时域、频域、小波包分析,提取其对刀具状态敏感的共计23个特征量,构建随机森林模型对铣刀状态进行监测。实验结果表明,该研究方法识别刀具准确率达90.0%,具有可行性。