基于EEMD与CP SO⁃ELM的车削机床刀具磨损故障检测与识别

摘要：

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.

关键词：车床刀具、EEMD、CPSO?ELM、故障诊断

所属期刊栏目：48

分类号：TH16

资助基金：江西省青年科学基金资助项目 2015BAB216019

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：179-183,178