基于增量自适应支持向量机的AFM尖端磨损识别

摘要：

为了提高纳米加工刀具磨损状态在线监测的精度与泛化能力,提出一种基于增量自适应支持向量机的基于原子力显微镜(AFM)尖端磨损识别方法.该方法以横向力的峰-峰值和方差作为特征变量,通过移动视窗获取增量数据;以维持Kuhn-Tucher定理所要求的最优化条件为准则,在当前支持向量机解结构基础上自适应修改正则化参数C和核参数σ,以获得更新支持向量机结构,并对增量数据及受其扰动的原数据进行分类;根据尖端失效点数量走势,判定尖端磨损程度.实验证明该算法在识别精度与时间上可满足在线检测要求.与定向非循环图支持向量分类器对比,该算法具有更强的鲁棒性与更高的泛化能力.

关键词：纳米加工、尖端磨损在线识别、横向力特征、增量自适应支持向量机、统计模式损伤检测

所属期刊栏目：29

分类号：TP274;TH17(自动化技术及设备)

资助基金：安徽省自然科学基金资助项目;安徽省高校重点科研资助项目;安徽信息工程学院智能制造研究团队资助项目

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1127-1136