基于优化听觉模型的机床工况识别方法研究

来源：上海理工大学学报杂志2017年第4期北京时间：

作者：罗刚

单位：东北大学 机械工程与自动化学院, 沈阳 110819,东北大学 机械工程与自动化学院, 沈阳 110819,东北大学 机械工程与自动化学院, 沈阳 110819,东北大学 机械工程与自动化学院, 沈阳 110819

摘要：准确识别机械制造设备工况，对判断设备的当前健康状态、设备平稳性，以及科学评价设备操作人员的工作效率具有重要意义.运用遗传算法优化后的ZCPA（zero crossings with peak amplitudes）听觉模型对设备的振动信号进行特征提取，通过与各种工况标准听觉谱计算相关性，以识别设备当前工况.优化后的ZCPA听觉模型计算简洁，能够模仿人耳听觉系统对输入信号进行提取，弥补传统听觉模型适应性差、识别率低的缺陷，同时使不同工况特征差异性增大，提高设备工况识别率.以某种普通车床为例，车床振动信号经过优化后的ZCPA模型处理后，工况识别率达到95%以上.

关键词：工况识别;遗传算法;带通滤波;听觉模型

基金资助：国家自然科学基金资助项目（51275080）