基于增量自适应支持向量机的AFM尖端磨损识别

来源：计算机集成制造系统杂志2023年第4期北京时间：

作者：江子湛, 程菲, 张海民

单位：1.安徽信息工程学院大数据与人工智能学院2.杭州电子科技大学管理学院

摘要：为了提高纳米加工刀具磨损状态在线监测的精度与泛化能力,提出一种基于增量自适应支持向量机的基于原子力显微镜(AFM)尖端磨损识别方法。该方法以横向力的峰-峰值和方差作为特征变量,通过移动视窗获取增量数据;以维持Kuhn-Tucher定理所要求的最优化条件为准则,在当前支持向量机解结构基础上自适应修改正则化参数C和核参数σ,以获得更新支持向量机结构,并对增量数据及受其扰动的原数据进行分类;根据尖端失效点数量走势,判定尖端磨损程度。实验证明该算法在识别精度与时间上可满足在线检测要求。与定向非循环图支持向量分类器对比,该算法具有更强的鲁棒性与更高的泛化能力。

关键词：纳米加工,尖端磨损在线识别,横向力特征,增量自适应支持向量机,统计模式损伤检测

基金资助：安徽省自然科学基金资助项目(2008085MF201);安徽省高校重点科研资助项目(2022AH051894);安徽信息工程学院智能制造研究团队资助项目。