基于HHT和GA-SVM的深孔鉆頭磨損狀態(tài)嵌入式監(jiān)測(cè)技術(shù)研究.pdf

1、隨著深孔加工過程自動(dòng)化技術(shù)的日益發(fā)展，鉆頭作為其中最薄弱的環(huán)節(jié)已成為制約深孔加工技術(shù)發(fā)展的瓶頸。研究和開發(fā)鉆頭磨損狀態(tài)監(jiān)控技術(shù)對(duì)實(shí)現(xiàn)加工過程自動(dòng)化、提升制造業(yè)水平具有重要意義。論文以深孔鉆削過程為研究對(duì)象，對(duì)刀桿位移和鉆削噪聲信號(hào)特征提取以及基于鉆頭磨損監(jiān)測(cè)技術(shù)進(jìn)行了系統(tǒng)的理論與實(shí)驗(yàn)研究。
　　 對(duì)BTA深孔鉆削過程的特點(diǎn)、故障形式以及刀桿行為特征進(jìn)行了分析，針對(duì)深孔鉆削過程鉆頭故障特征信號(hào)提取困難的問題，建立了以刀桿位移和鉆削

2、噪聲作為監(jiān)測(cè)信號(hào)的鉆頭磨損監(jiān)測(cè)實(shí)驗(yàn)系統(tǒng)。
　　 對(duì)希爾伯特黃變換(HHT)進(jìn)行了研究，提出了消除模態(tài)裂解端點(diǎn)效應(yīng)的改進(jìn)方法。采用形態(tài)濾波方法對(duì)信號(hào)進(jìn)行預(yù)處理，提高了HHT模態(tài)裂解的準(zhǔn)確性。對(duì)短時(shí)傅里葉變換、Wigner-Ville分布、小波變換以及HHT方法的時(shí)頻分辨率進(jìn)行了對(duì)比研究，證明了HHT具有良好時(shí)頻特性。采用希爾伯特黃變換(HHT)對(duì)故障信號(hào)進(jìn)行時(shí)頻域變化特征分析，實(shí)現(xiàn)了鉆頭磨損信號(hào)特征的提取。
　　 針對(duì)鉆頭

3、磨損狀態(tài)特征模式高度重疊的特點(diǎn)，本文結(jié)合遺傳算法的高效搜索特性和支持向量分類器的優(yōu)良分類性能，提出采用遺傳．支持向量機(jī)(GA-SVM)解決鉆頭磨損狀態(tài)的監(jiān)測(cè)。研究了SVM在實(shí)現(xiàn)非線性模式分類時(shí)的算法實(shí)現(xiàn)原理，針對(duì)SVM訓(xùn)練過程中存在欠學(xué)習(xí)和過學(xué)習(xí)的問題，利用遺傳算法(GA)對(duì)SVM中的核心參數(shù)c和σ2進(jìn)行優(yōu)化，建立了基于遺傳．支持向量機(jī)的狀態(tài)識(shí)別模型。并通過仿真實(shí)例驗(yàn)證了該算法在處理高度重疊模式分類方面所具有的獨(dú)特優(yōu)勢(shì)。