基于多特征融合的刀具磨损识别方法

摘要：

针对刀具磨损监测中多传感器融合监测方法的缺点，提出了基于声发射信号多特征融合与最小二乘支持向量机（lease square support vector machine ，简称LS-SVM ）相结合的刀具磨损状态监测方法。首先，分别采用经验模态分解法、双谱分析法以及小波包分析法提取采样信号在时域、频域、时-频域内的特征，构造联合多特征向量；然后，利用核主元分析法（kernel principal component analysis ，简称KPCA）对联合多特征向量进行融合降维处理，通过提取累积贡献率大于85％的主元，剔除了联合多特征中与刀具磨损相关性较小的冗余特征，生成融合特征；最后，将融合特征送入最小二乘支持向量机，有效地实现了（尤其在小样本下）刀具磨损状态的识别，与神经网络识别方法相比具有更高的识别率。

关键词：刀具状态监测、多特征融合、核主元分析、最小二乘支持向量机

分类号：TH165.3;TP206

资助基金：吉林省科技发展计划资助项目20100506；东北电力大学博士科研启动基金资助项目BSJXM-201115

在线出版日期：2014-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：576-584