[发明专利]一种基于EMD-SVM的刀具磨损监测方法在审
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 | ||
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。
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。