基于奇异值分解和灰靶决策的车刀磨损状态判别
Wear Condition Recognition of Lathe Tool Based on Singular Value Decomposition and Grey Target Decision Methods作者机构：上海理工大学机械工程学院上海200093
出 版 物：《计量学报》 (Acta Metrologica Sinica)
年 卷 期：2017年第38卷第2期
页 面：189-192页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学]
基 金：国家自然科学基金(50975179) 上海市教委科研创新项目(11ZZ136) 上海市科委科研计划项目(13160502500)
主 题：计量学 车刀磨损 磨损状态判别 奇异值分解 灰靶决策 小波包变换
摘 要：针对随机噪声干扰车刀磨损振动信号时域特征提取,车刀磨损判别精度不高的问题,提出一种通过小波包变换和相关系数法提取车刀振动信号的磨损时域特征,采用奇异值分解对磨损时域特征进行去噪处理,去噪处理后获取磨损时域特征。选取与车刀磨损最相关的磨损特征作为参考特征序列,计算参考特征序列与其余磨损特征序列之间的相似关联度,对相似关联度归一化处理得到各磨损时域特征的权值,使用灰靶决策计算各磨损时域特征的综合测度,确定车刀磨损状态。实验结果表明:该方法可以有效地滤除随机噪声干扰。
维普期刊数据库
同方期刊数据库