基于支持向量机和功率信息的工件在线识别方法

被引：7

作者：

贺晓辉

鄢萍

刘飞

胡韶华

陈国荣

机构：

[1] 重庆大学机械传动国家重点实验室

来源：

中国机械工程 | 2011年 / 22卷 / 07期

基金：

国家高技术研究发展计划(863计划); 高等学校博士学科点专项科研基金;

关键词：

作业车间; 机械加工; 工件识别; 机床功率; 支持向量机;

D O I：

暂无

中图分类号：

TH186 [生产技术管理];

学科分类号：

0802 ;

摘要：

针对目前作业型车间中工件加工进度信息主要靠人工统计,且在混类加工时经常出现统计出错的问题,提出一种结合工件加工功率信息特征分析及支持向量机(support vector machine,SVM)分类的工件在线识别和统计方法。该方法通过分析工件加工过程功率变化特征,利用一组功率曲线时域统计参数及加工功率特征参数组成的特征向量来区分加工工件,对新工件进行试加工以获得多种工件的特征向量样本,对样本数据进行训练从而得到与工件类别一一对应的工件识别分类器。在线加工时,实时提取加工工件的特征向量并与各分类器进行对比,根据决策函数值即可识别该工件的类型。实验结果表明该方法具有较好的鲁棒性及较强的泛化能力,识别性能优于BP神经网络和一种基于模板匹配的算法。

引用

页码：818 / 824

页数：7

共 15 条

[1] 基于参考功率曲线的大型工件加工进度状态信息的自动采集新方法 [J].

刘飞 ;

刘军 ;

何彦 .

机械工程学报, 2009, 45 (10) :111-117

[2] 基于小波包能量系数法的砂轮状态监测 [J].

王强 ;

刘贵杰 ;

王宛山 .

中国机械工程, 2009, 20 (03) :285-287

[3] ESTIMATION OF THE NUMBER OF CORRELATED SOURCES WITH COMMON FREQUENCIES BASED ON POWER SPECTRAL DENSITY [J].

LI Ning SHI Tielin School of Mechanical Science and EngineeringHuazhong University of Science and TechnologyWuhan China .

Chinese Journal of Mechanical Engineering, 2007, (04) :88-93

[4] RESEARCH ON ACTIVE VIBRATION CONTROL BASED ON COMBINED MODEL FOR COUPLED SYSTEMS [J].

Niu JunchuanSchool of Mechanical Engineering Shandong University Jinan ChinaZhao GuoqunSchool of Material Scienceand EngineeringShandong UniversityJinan ChinaSong KongjieSchool of Mechanical Engineering Shandong University Jinan China .

Chinese Journal of Mechanical Engineering, 2004, (04) :524-527

[5] 基于多Agent的分布式制造执行系统的建模 [J].