基于隱馬爾可夫模型及支持向量機(jī)的機(jī)床切削顫振在線監(jiān)測(cè).pdf

1、本文針對(duì)切削顫振過(guò)渡過(guò)程信號(hào)信息量大、非平穩(wěn)、信號(hào)特征重復(fù)再現(xiàn)性差的特點(diǎn)，引入隱馬爾可夫模型(HMM)作為基本建模和識(shí)別工具，綜合考慮了隱馬爾可夫（HMM） 的強(qiáng)動(dòng)態(tài)時(shí)間建模能力、神經(jīng)網(wǎng)絡(luò)（NN）的強(qiáng)分類能力以及支持向量機(jī)（SVM）的小樣本強(qiáng)推廣能力，建立起了以HMM 為基礎(chǔ)，與其它模型相結(jié)合的方式對(duì)切削過(guò)程進(jìn)行在線監(jiān)測(cè)。后期進(jìn)行的大量切削實(shí)驗(yàn)驗(yàn)證了各種模型的有效性、系統(tǒng)的魯棒性、預(yù)報(bào)的實(shí)時(shí)性以及監(jiān)控系統(tǒng)的穩(wěn)定性。 本文

2、通過(guò)對(duì)機(jī)床切削顫振理論、統(tǒng)計(jì)模式識(shí)別理論、通訊理論、信號(hào)處理等多方面的研究，取得的主要研究成果和創(chuàng)新點(diǎn)有： (1) 深入研究了機(jī)床切削信號(hào)特征提取方法，提出了基于短時(shí)傅立葉思想的特征提取方法； (2) 建立了基于DHMM、CDHMM 的切削狀態(tài)監(jiān)測(cè)模式； (3) 對(duì)多層感知器結(jié)構(gòu)及性能進(jìn)行了研究，提出了基于MLP 多信息融合能力對(duì)切削過(guò)程進(jìn)行監(jiān)測(cè)的方法； (4) 建立了基于HMM 和多層感器的混合模型并實(shí)