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

1、隨著深孔加工過程自動化技術(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)對實現(xiàn)加工過程自動化、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象，對刀桿位移和鉆削噪聲信號特征提取以及基于鉆頭磨損監(jiān)測技術(shù)進行了系統(tǒng)的理論與實驗研究。
　　 對BTA深孔鉆削過程的特點、故障形式以及刀桿行為特征進行了分析，針對深孔鉆削過程鉆頭故障特征信號提取困難的問題，建立了以刀桿位移和鉆削

2、噪聲作為監(jiān)測信號的鉆頭磨損監(jiān)測實驗系統(tǒng)。
　　 對希爾伯特黃變換(HHT)進行了研究，提出了消除模態(tài)裂解端點效應(yīng)的改進方法。采用形態(tài)濾波方法對信號進行預(yù)處理，提高了HHT模態(tài)裂解的準(zhǔn)確性。對短時傅里葉變換、Wigner-Ville分布、小波變換以及HHT方法的時頻分辨率進行了對比研究，證明了HHT具有良好時頻特性。采用希爾伯特黃變換(HHT)對故障信號進行時頻域變化特征分析，實現(xiàn)了鉆頭磨損信號特征的提取。
　　 針對鉆頭

3、磨損狀態(tài)特征模式高度重疊的特點，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(GA-SVM)解決鉆頭磨損狀態(tài)的監(jiān)測。研究了SVM在實現(xiàn)非線性模式分類時的算法實現(xiàn)原理，針對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SVM中的核心參數(shù)c和σ2進行優(yōu)化，建立了基于遺傳．支持向量機的狀態(tài)識別模型。并通過仿真實例驗證了該算法在處理高度重疊模式分類方面所具有的獨特優(yōu)勢。