公开(公告)号：CN110153801B

公开(公告)日：2020-09-29

申请号：CN201910600308.2

申请日：2019-07-04

Applicant: 西南交通大学

Inventor： 邹益胜 ,  卢昌宏 ,  石朝 ,  丁国富 ,  江磊 ,  张剑

IPC: B23Q17/09

Abstract: 本发明涉及一种基于多特征融合的刀具磨损状态辨识方法，利用多种方法提取了振动加速度信号和切削力信号的特征信息，并基于奇异值分解对特征集进行了优化，提高刀具磨损状态的辨识精度。本发明主要是对切削力信号和振动信号融合提取特征，通过奇异值分解方法对特征集进行优化，然后输入到基于遗传算法优化的最小二乘支持向量基刀具磨损状态辨识模型进行辨识，输出刀具的磨损状态。本发明将切削力信号和振动加速度信号融合提取特征作为输入，提高了刀具磨损状态辨识的精度。

公开(公告)号：CN110153801A

公开(公告)日：2019-08-23

申请号：CN201910600308.2

申请日：2019-07-04

Applicant: 西南交通大学

Inventor： 邹益胜 ,  卢昌宏 ,  石朝 ,  丁国富 ,  江磊 ,  张剑

IPC: B23Q17/09

Abstract: 本发明涉及一种基于多特征融合的刀具磨损状态辨识方法，利用多种方法提取了振动加速度信号和切削力信号的特征信息，并基于奇异值分解对特征集进行了优化，提高刀具磨损状态的辨识精度。本发明主要是对切削力信号和振动信号融合提取特征，通过奇异值分解方法对特征集进行优化，然后输入到基于遗传算法优化的最小二乘支持向量基刀具磨损状态辨识模型进行辨识，输出刀具的磨损状态。本发明将切削力信号和振动加速度信号融合提取特征作为输入，提高了刀具磨损状态辨识的精度。