期刊专题

10.15938/j.jhust.2023.01.001

ET-GD与K近邻相结合的刀具磨损监测方法

引用
针对铣削过程中刀具磨损量监测问题,提出一种基于极端随机树和高斯分布,与K近邻相结合的刀具磨损监测方法.该方法选用截断法和hampel滤波法剔除力、振动和声发射信号中的异常值和奇异点.其次通过极端随机树和高斯分布的偏离情况对特征集进行优选,降低数据矩阵的复杂性.分别对比分析了两次优选前后三种K近邻模型的拟合度和评估度量.利用优选后的特征对逻辑回归、极端随机树、支持向量回归和K近邻算法模型进行训练,并利用十折交叉验证法和测试集进行验证.最终得出,基于极端随机树和高斯分布与K近邻的刀具磨损监测模型的拟合度达到99.17%,均方误差和平均绝对误差分别为 13.0688、1.8241.结果表明该方法能够实现对铣刀磨损的有效监测,从而提高工件加工质量.

极端随机树、高斯分布、特征选择、K近邻、刀具磨损监测

28

TG714;TP181(刀具、磨料、磨具、夹具、模具和手工具)

国家重点研发计划2019YFB1704800

2023-06-06(万方平台首次上网日期,不代表论文的发表时间)

共10页

1-10

暂无封面信息
查看本期封面目录

哈尔滨理工大学学报

1007-2683

23-1404/N

28

2023,28(1)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn