支持向量机的刀具磨损状态监测

来源：同济大学学报·自然科学版杂志2016年第3期北京时间：

作者：谢楠

单位：同济大学

摘要：为了监测刀具磨损状态，建立了一个基于功率传感器的刀具磨损状态监测系统.提出了一种基于主成分分析（PCA）与C支持向量机（CSVM）相结合的刀具磨损状态监测模型.通过功率传感器采集切削过程中的电流和功率信号，采用PCA对采集的参数进行特征提取，选择对刀具磨损状态影响最大的主成分作为CSVM的输入样本，实现对刀具磨损状态的准确识别.通过数控车床切削实验表明，即使在较少的样本条件下，该方法仍然有效，并与反向传播（BP）神经网络进行了性能比较.

关键词：刀具磨损, 监测, 主成分分析, C支持向量机

基金资助：国家自然科学基金（71471139），国家国际科技合作专项资助（2012DFG72210），上海市科委基础研究重点项目（12JC1408700），浙江省自然科学基金（Y14E050085）