[发明专利]一种基于EMD-SVM的刀具磨损监测方法在审

专利信息
申请号: 202010958061.4 申请日: 2020-09-11
公开(公告)号: CN112059725A 公开(公告)日: 2020-12-11
发明(设计)人: 谢振龙;严复钢;魏学涛 申请(专利权)人: 哈尔滨理工大学
主分类号: B23Q17/09 分类号: B23Q17/09
代理公司: 暂无信息 代理人: 暂无信息
地址: 150080 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 emd svm 刀具 磨损 监测 方法
【权利要求书】:

1.一种刀具磨损监测方法,其特征在于,包括:

获取刀具磨损时的信号,拟合刀具磨损曲线,对数据进行分类;

对信号进行分析得出其时频域特点;

采用选取的特征值计算方式对信号进行特征值提取,得到可靠的低维压缩信号;

采用得到的特征值并将其标记,输入SVM中得到学习模型;

利用得到的模型进行加工指导。

2.根据权利要求1所述的设计方法,其特征在于,对信号进行时频域分析并拟合磨损曲线对数据进行分类,具体为:

对数据进行频域变换,得到数据时、频域;

对刀具磨损进行拟合,对其对应数据进行分类处理。

3.根据权利要求2所述的设计方法,其特征在于,所述采用特征值计算方法提取特征值,具体为:

根据信号时域特点提取信号标准差作为特征值;

根据信号频域特点提取信号I-kazTM作为频域特征值;

根据信号所蕴含能量特点提取信号功率谱熵作为频域特征值;

构建不同类别下的特征值空间。

4.根据权利要求3所述的设计方法,其特征在于,所述采用特征值空间进行模型学习,具体为:

将得到的特征值空间输入SVM中进行空间划分,得到刀具磨损的学习模型。

5.根据权利要求4所述的设计方法,其特征在于,所述根据学习模型对输入信号进行划分,具体为:

将得加工时的信号输入学习模型中,获得对应的刀具磨损。

6.根据权利要求5所述的设计方法,其特征在于,所述根据模型判断阶段进行加工指导,具体为:

判断单元用于判断获取的刀具磨损阶段是否为急剧磨损,获得判断结果;

分裂截止单元,用于当所述判断结果为刀具磨损阶段为急剧磨损,不进行分裂处理;

分裂处理单元,用于当所述判断结果为刀具磨损阶段为急剧磨损,进行停止加工处理。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学,未经哈尔滨理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010958061.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top