期刊专题

10.3969/j.issn.1001-3881.2020.07.039

基于EEMD与CP SO⁃ELM的车削机床刀具磨损故障检测与识别

引用
鉴于数控车床刀具在机械加工系统中占有重要的地位,故数控车床刀具磨损故障的在线检测与识别具有重要意义.以华中数控车床为研究对象,提出了以平均经验模态分解(EEMD)、混沌粒子群(CPSO)以及核极限学习机(ELM)等方法对车床刀具磨损故障进行诊断.介绍了EEMD、CPSO以及ELM的基本原理和过程;对采集得到的刀具磨损信号进行前期预处理,经EEMD分解后得到IMF分量,以峭度、峰值、均方根值作为一种选取标准,选择包含较多故障信息的几个IMF进行信号重组并计算;将计算结果组成特征向量输入CPSO?ELM、SVM以及BP神经网络等分类器进行故障识别和对比.实验结果表明:对比传统的BP神经网络和SVM分类器,CPSO?ELM分类器具有快速、精确、有效的识别特性,能够有效检测和识别刀具磨损故障.

车床刀具、EEMD、CPSO?ELM、故障诊断

48

TH16

江西省青年科学基金资助项目 2015BAB216019

2020-05-07(万方平台首次上网日期,不代表论文的发表时间)

共6页

179-183,178

暂无封面信息
查看本期封面目录

机床与液压

1001-3881

44-1259/TH

48

2020,48(7)

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