基于支持向量回归的切削颤振状态趋势预测的研究

合集下载

基于支持向量机的颤振在线智能检测

最小二乘一类支持向量机，将特征信息存储于特征库（字典）中，通过更新特征库实现检测模型的在线进化。在颤振检测的应
用中，首先使用小波包分解，得到第三层节点能量的比例作为特征矢量，以离线数据构造特征矢量作为输入，训练得到初始检测模型以及特征库，在线检测中不断更新特征库，实现检测模型的在线进化。试验结果表明，在车削颤振识别中，在线进
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｄｅｔｅｃｔｃｈａｔｔｅｒｉｎｔｈｅｐｒｏｃｅｓｓｏｆｔｕｍｉｎｇ，ａｌｌｏｎｌｉｎｅｉｎｔｅｌｌｉｇｅｎｔｃｈａｔｔｅｒｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄ．Ｉｎｔｈｉｓ
基于支持向量机的颤振在线智能检测冰
钱士才孙宇昕熊振华
（上海交通大学机械系统与振动国家重点实验室上海２００２４０）
摘要：为了检测车削过程中的颤振，提出一种颤振在线智能检测方法。使用最小二乘一类支持向量机，训练出描述特征矢量集的超球面，通过计算被测样本与超球面的距离来判断其是否颤振。基于相干准则和分块矩阵求逆，构造了在线稀疏结构的
ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅＢａｓｅｄＯｎｌｉｎｅＩｎｔｅｌｌｉｇｅｎｔＣｈａｔｔｅｒＤｅｔｅｃｔｉｏｎ
ＱＩＡＮＳｈｉｃａｉＳＵＮＹｕｘｉｎＸＩＯＮＧＺｈｅｎｈｕａ

机床切削颤振的检测研究

摘要随着全球工业的迅速发展，机床设备逐渐向自动化、高速化和智能化的方向发展，然而机床的工作环境复杂，导致了机床刀具的磨损和颤振等情况的出现，严重影响着机床的加工精度，因此需要机床改进技术，使其能够及时的对故障做出判断，确保机床的安全运行。

在车床切削颤振的研究中，切削颤振信号的检测分析、颤振特征的提取和颤振的判别方法尤为关键。

因此，本文的主要研究内容如下：(1)通过动力学建模的方式对车床切削颤振机理进行了简要的分析，并设计切削颤振检测系统，进行车床切削实验，收集不同切削参数下的车削振动数据，进一步验证了切削颤振的产生，为后续的切削颤振分析奠定基础。

(2)提出了基于改进Variational Nonlinear Chirp Mode Decomposition(VNCMD)算法的切削颤振分析方法。

改进后的算法不仅具有VNCMD算法的优点，还采用了相关系数法确定了信号的最佳本征模态分量，既解决了Empirical Mode Decomposition(EMD)算法对信号分解的端点效应和伪分量问题，又克服了VMD(Variational Mode Decomposition)算法对宽带信号提取的缺陷和本征模态分量无法确定的缺点。

接下来，将改进后的算法应用于实验数据上，提取实验数据的本征模态分量做进一步分析。

(3)经过VNCMD算法提取后的本征模态分量虽然已经过滤掉了大部分噪声，但是对于颤振特征的描述还是有些模糊，需要进一步提取切削颤振的特征。

因此本文引入了四阶累积量，在研究四阶累积量原理的基础上，通过不同类型的仿真信号做研究来验证该方法的可靠性。

然后提取实验数据的统计特征，将其作为切削颤振判别的一个特征向量。

(4)如果只是上述一个特征向量对颤振特征进行描述，有可能会产生误判。

因此本文引入了排列熵算法，在研究排列熵原理的基础上，通过不同类型的仿真信号验证了排列熵检测突变信号的有效性。

然后利用排列熵算法分析了实验数据的特征，并将其作为切削颤振的第二个特征向量。

机床切削颤振控制研究现状分析

机床切削颤振控制研究现状分析【摘要】机床切削颤振是机床加工中一种常见的不稳定现象。

本文从切削颤振的产生机理出发，研究了摩擦型、再生型、振型耦合型这三种目前公认的颤振类型。

分别从主动、半主动和被动方面归纳总结了颤振控制的控制方法，并就其现存的问题进行了分析。

最后对切削颤振控制的发展进行了展望，突出了智能控制的应用前景。

【关键词】切削颤振；产生机理；摩擦型；再生型；振型耦合型；颤振控制；智能控制0.前言机床振动是生产率和刀具使用寿命的主要影响因素,而在所有的这些振动中，颤振扮演着及其重要的角色。

因此，如何有效地预防和控制颤振成了工程技术领域的一个重要课题。

如今，工业程度不断提高，传统的控制理论越来越暴露出它的局限性。

同时随着智能材料和智能结构的兴起[1,2,3]，对结构振动进行主动控制在技术实现上提供了发展空间。

1.切削颤振的分类与产生机理切削颤振是机械加工过程中机床、工件和刀具之间发生的是一种复杂的动态不稳定现象。

要消除或抑制颤振就必须研究它的产生机理和特性，进而提出防治的相应措施。

颤振有许多类型，根据颤振形成的物理原因，目前公认的有摩擦型颤振、再生型颤振与振型耦合型颤振。

振型耦合型颤振是指由于振动系统在2个方向上的刚度相近,导致2个固有振型相接近时而引起的颤振。

由J.Tlusty首次提出[4],后来有不少学者进行这方面的研究。

Gasparetto建立了耦合模型对刀具的稳定及不稳定轨迹进行了研究并得到了切削稳定性条件[5]。

摩擦型颤振是指在切削速度方向上刀具与工件之间的相互摩擦所引起的颤振, 从1946年K.N.Arnold提出其产生机理以来,这方面有不少的研究与讨论。

Neter Stelter建立了以简化悬臂梁在干摩擦作用下的摩擦型颤振模型，讨论了摩擦力识别和梁系统的时域特性问题[6]。

再生型颤振是指由于上次切削所形成的振纹与本次切削的振动位移之间的相位差导致刀具的切削厚度的不同而引起的颤振, 1954年由R.S.Hahn首次提出。

基于嵌入式系统的切削颤振在线监测技术研究

性技术。
技术的便携式设备，放在车间实时监测机床切削振动可
状态，旦切削振动的某些指标达到切削颤振预报的标一准，统会发出警报。系
１系统硬件平台设计
本文结合机床切削颤振在线监测系统对模拟信号
Ａｂｔａｔｏｓｄｒｎｎｔｅｃａｔｒｇｐｅｏｎｎｗｉｈｉｄｆｉｕｔｔｅｌｔ，ａｃｒｔｎｔｒｎｎｏｔｏｎｔｅｐｏｅｓｓｒｃ：Ｃｎｉｅｇｏｈｈｔｉｈｎｍｅｏｈｃｓｉｃｌｏｒａ — ｉｉｅｎｆｍｅｃｕａｅｍｏｉｉｇａｄｃｎｒｌｉｈｒｃｓｏｏｃｉｅｃｔｎ，ｔｉｐｐｒｓｈｍｅｕｙｔｍｏｔｉｉｇａＰａｅａａａｑｉｉｏｆｃｔｎｉｒｔｎａｄｏｌｅｃｎｒｌｆｍａｈｎｕｔｇｈｓａｅｃｅｓｏｔａｓｓｅｃｎａｎｎｎＦＧＡｂｓｄｄｔｃｕｓｉｎｏｕｔｇｖｂａｉｎｎｉｏｔｉｔｉｏｎｏｃｍｂｎｎＦＧＡｉｏｉｉｇＰｗｔＡＲＭ．Ｉｔｉｓｓｍ，ＦＧＡｓｕｅｔｃｉｖｈｉｕｔｇｖｂａｉｎｄｔｃｕｓｔｎｈｎｈｓｙｔｅＰｉｓｄｏａｈｅｅｔｅｍａｎｃｔｎｉｒｔａａａｑｉｉｏ，ＡＲＭｉｕｅｏｉｏｉｓｓｄｆｒｄｔｏｌｃｉｎａｄｒｐｄｈｔｒｗａｎｎ．ａａｃｌｔｎａｉｃａｔｒｉｇｅｏｅ

基于连续小波和多类球支持向量机的颤振预报

基于连续小波和多类球支持向量机的颤振预报
吴石，刘献礼，王艳鑫
（哈尔滨理工大学机械动力工程学院哈尔滨，５００１０８）摘要研究了一种应用连续小波特征和多类球支持向量机进行铣削系统颤振预报的方法，方法基于连续小波变该
引言
颤振是发生在切削过程中的一种强烈的自激振
稳定状态过渡时，些随机因素的影响表现得尤为这
严重。际上，实切削颤振孕育过程的输出振动信号为动，振会严重制约切削效率、低零件的加工精颤降度、损坏刀具甚至机床本身。如果切削过程存在潜在颤振，就会通过振动信号表现出来，样在颤振孕育这过程中就能发现潜在颤振并在早期消灭。目前，颤在振孕育过程通过振动信号进行监测预报有大量研非平稳信号，号的频率和幅值随时间变化，号特信信征重复再现性不佳。针对切削颤振孕育过程的特点，
基于统计理论的分类器需要大量训练样本和合理判
决阈值才能得到准确的预报结果。笔者提出了一种基于连续小波变换提取颤振特征向量，用多类球支持向量机进行颤振孕育预报利和颤振预报的方法。该方法一方面通过连续小波变换来适应切削颤振孕育过程中刀杆上输出振动信号的非平稳性；另一方面通过多类球支持向量机解决

一种切削颤振监测技术的研究与实现

ＣｕｔｎｇＣｈａｔｒＭｏｉｏｉｔｉｔｅｎｔｒｎｇ
ＬＵｉｏＩＫａｂ，ＪＮＧｉｑｎＭｎｉｇ，ＺＨＡＮＧｎｑａｇ，ＬＩＨｅｇＬＩＭｅｇＹｏｇｉｎＵｎ，ｎ
（ｃｏｌｆｅｈｎｃｌｇｎｅｉｇｉｎＪａｔｎｉｅｓｙｉｎ７０４，ＣｉａＳｈｏｃａｉａＥｎｉｅｒ，ＸｉｏｇＵｎｖｒｉ，Ｘ１０９ｈｎ）ｏＭｎａｏｔａ
ａｄｓｏｔｎｄｔｏｌｅｎｈｒｅｅｏｌｉ．Ｏｎｔｅｅｔｒａｅｏｆｇｒｂｅｉｔｇａｅｎｔｒｎｎｉｇｏｉｒｔ — ｆｈｘｅｎ１ｃｎｕａｌ—ｎｅｒｔｄｍｏｉｏｉｇａｄｄａｎｓｓｐｏｏｒｉ
第４卷５
第１期１
西
安交
通
大学学报
Ｖｏ．５Ｎｏ１１４．１
Ｎｏｖ．２１０１
２１０１年１月１
ＪＯＵＲＮＡＬＯＦＸＩＡＮＩＪＡＯＴＯＮＧＵＮＩＲＳＴＶＥＩＹ
一
种切削颤振监测技术的研究与实现
ＡｂｔａｔＣｈｔｅｉｒｔｎｎｍｅａｕｔｎｅｕｔｉｏｒｓｒａｅｆｉｈ，ｒｄｃｄｐｏｕｔｉｓｒｃ：ａｔｒｖｂａｉｓｉｔｌｔｉｇｒｓｌｎｐｏｕｆｃｉｓｏｃｎｅｕｅｒｄｃｉｔｖｙ，
使用Ｃ＃编程语言来实现监测软件，过引入延时机制和数据重叠处理技术，效地提高了颤振早通有

切削颤振综述.概要

结论
• 刀具颤振以及刀具磨损能够通过分析切削力和从各种传感器获得的振动信号来比较完整的估计出来。刀具磨损可通过显微镜直接测量，刀具寿命可以通过基于侧面磨损宽度的刀具寿命准则计算出来。最大侧面磨损宽度0.2mm可应用于刀具寿命准则。
• 为了抑制颤振，主轴转速变化应该非常快速，显然主轴系统有着高动能，使之非常难以实现。 • SSV效率不高，因为一大部分能量用来加速或者加速主轴而被消耗。另外，高速加工中，明显改变主轴转速会造成主轴系统的不平衡和不稳定，导致加工事故。 • 所以，SSV技术并不能在工厂普遍应用。
• 小结：主动避振的优点：不需要模型系统，只需要配置传感器和执行器，就可达到主动避振的效果；低稳定性区域中，主动避振对于提高刀具稳定性更有效果。缺点：主动系统需要第二振动源来增加振动波形的总能量；许多主动颤振控制系统都会受到主轴转速不能太高从而限制其应用；与被动系统相比，主动系统同事也需要更加复杂的软件、硬件和昂贵的设备。未来的避振方向：主动避振与被动避振相结合。
• 力和振动测量在切削过程中，切削力是也是一个非常敏感的参数，它会随着切削速度、切削深度以及工件硬度的变化而变化。振动测量实施简单，但是会依赖于加工状况，工件材料和机床结构。对于切削力和振动的测量会用到测力计和加速度仪这种比较昂贵的设备，但是在未来预测颤振的方向中，它们依然具有较好的发展趋势，应用于刀具状况监视系统中，依然会比较好的描述切削过程的动力学。 • 声音信号的测量声音信号应用性不高，在测量时会受到其他噪声的干扰。
• 主轴转速变化（SSV）：通过不间断的改变主轴转速来避免颤振产生的影响。实践证明这种方法比较有效。然而，由于受到主轴动力学的限制，主轴转速变化在实际加工中应用可能会有困难，因为这需要巨大的扭矩来克服驱动系统的惯性力。 • 虽然SSV方法实施简单，但是其抑制颤振成功之局限于短时操作加工，这时颤振还没有很明显。

复合进给技术环境下振动切削及颤振抑制研究的开题报告

复合进给技术环境下振动切削及颤振抑制研究的开题报告一、研究背景和意义随着制造业智能化的不断发展，高效精密加工已成为现代制造业的重要手段。

在切削加工中，振动问题一直是制约加工精度和效率提高的重要因素之一。

随着复合进给技术的应用，切削系统的复杂程度进一步增加，振动问题更加严重。

因此，在复合进给技术环境下，如何控制切削过程中的振动以提高加工效率和精度，是当前亟待解决的问题。

二、研究内容和方法本研究拟针对复合进给技术环境下振动切削及颤振抑制问题展开研究，具体包括以下内容：1. 分析复合进给技术对切削过程振动的影响机理及振动的特点。

2. 基于切削力模型和振动模型，建立复合进给技术环境下的切削系统动力学模型。

3. 开展实验研究，在不同复合进给条件下，通过振动测试和颤振稳定区域判定方法，验证模型的有效性和准确性。

4. 基于模型和实验结果，提出适合复合进给技术环境下的振动抑制策略，包括控制切削参数、改变进给方式、采用主动振动控制等。

5. 对提出的振动抑制策略进行仿真验证和实验优化。

方法主要包括模型建立和仿真、实验研究和数据处理等，以多学科交叉和多方法融合的方式，深入分析复合进给技术环境下振动问题的机理及其特点，建立合理的振动控制方法体系。

三、预期结果和创新点本研究的预期结果如下：1. 确定复合进给技术环境下的主要振动源及其特点。

2. 建立复合进给技术环境下的切削系统动力学模型，分析振动与进给条件、切削状态、工件材料等因素的关系。

3. 探究复合进给技术环境下的振动切削和颤振现象，提出有效的振动控制策略并验证其实用性，实现复合进给技术下的高效精密加工。

本研究的创新点如下：1. 针对复合进给技术环境下的振动问题，分析其机理及其特点，建立符合实际情况的切削系统动力学模型。

2. 将颤振稳定区域判定方法应用于振动抑制研究中，实现对颤振现象的有效控制。

3. 结合模型仿真和实验研究，提出了适合复合进给技术环境下的振动抑制策略，为高效精密加工提供了技术支撑。

基于EMD分量与小波包能量熵的轧辊磨削颤振在线预测

基于EMD分量与小波包能量熵的轧辊磨削颤振在线预测朱欢欢1,3，迟玉伦2，张梦梦1,3，熊　力2，应晓昂2（1. 上海市高级技工学校制造工程系, 上海 200437）（2. 上海理工大学机械工程学院, 上海 200093）（3. 上海工程技术大学高职学院, 上海 200437）摘要　针对轧辊磨削颤振时的时频域单一处理方法存在部分特征丢失的问题，提出了时频域相结合的方法对信号进行特征处理，并利用智能算法实现轧辊磨削颤振的在线预测。

首先，利用经验模态分解( empirical mode decomposition，EMD)方法对振动传感器信号进行分解获得各固有模态函数（intrinsic mode function，IMF），剔除“虚假分量”后计算表征轧辊磨削颤振的时域特征。

然后，利用小波包能量熵对声发射传感器信号求解频率段节点能量熵值，获得表征轧辊磨削颤振的频域特征。

最后，将上述时频域特征降维后代入智能算法模型实现对轧辊磨削加工的在线预测。

结果表明：LV-SVM模型的磨削颤振分类平均准确率达92.75%，模型平均响应时间为0.776 5 s；验证了时频域特性的EMD和小波包能量熵方法的LV-SVM在线预测轧辊磨削颤振的有效性。

关键词　轧辊磨削颤振；EMD分解；固有模态函数；小波包能量熵；最小二乘支持向量机中图分类号　TG58　文献标志码　A 文章编号　1006-852X(2024)01-0073-12 DOI码　10.13394/ki.jgszz.2022.0198收稿日期　2022-11-15　修回日期　2023-04-21轧辊是金属等材料轧制过程中使其发生连续塑性变形的核心部件，轧辊的表面质量是高质量板带材轧制的前提保证。

轧辊的磨削颤振主要由砂轮和轧辊之间磨削时的自激振动引起，是影响轧辊表面质量的关键因素[1-2]。

磨削颤振发生时会使轧辊表面出现直条状振纹，加剧砂轮磨损，降低板带材的加工精度，并加速磨床破坏[3]。

切削颤振控制研究进展

切削颤振控制研究进展
翁泽宇;鲁建厦;谢伟东;贺兴书
【期刊名称】《浙江工业大学学报》
【年(卷),期】2002(030)004
【摘要】介绍了国内外学者在机床切削颤振控制方面的研究工作,对切削颤振的在线预报控制和切削颤振的预测控制进行了归纳和分析,讨论了存在的若干问题,提出可能的发展方向是:切削颤振的预报控制与切削颤振的预测控制在柔性制造环境下实现综合.
【总页数】5页(P323-327)
【作者】翁泽宇;鲁建厦;谢伟东;贺兴书
【作者单位】浙江工业大学机电工程学院,浙江杭州,310032;浙江工业大学机电工程学院,浙江杭州,310032;浙江工业大学机电工程学院,浙江杭州,310032;浙江工业大学机电工程学院,浙江杭州,310032
【正文语种】中文
【中图分类】TH161.6
【相关文献】
1.薄壁零件的切削颤振研究进展 [J], 汪通悦;何宁;李亮;孙全平
2.机器人加工系统及其切削颤振问题研究进展 [J], 王战玺;张晓宇;李飞飞;张顺琦;秦现生
3.基于神经网络的混沌控制原理对切削颤振的模拟控制研究 [J], 王新晴;唐建宁;杨小强;王洋;王兰芳
4.基于机电耦合特性的数控机床切削颤振控制系统① [J], 杨丽娟
5.薄壁件切削颤振控制研究综述 [J], 吴雁;何勇;宋浩然;丁志娟;叶鸣强;刘旭辉因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于多特征和支持向量机的刀具磨损状态识别技术

一种基于多特征和支持向量机的刀具磨损状态识别技术刘宇;汪惠芬;刘庭煜【摘要】为了实现生产过程中切削条件诸多变化的刀具状态识别,对铣削加工中三向切削力信号进行时域、频域以及时-频域分析,在提取均方根值、峰值、小波包能量等特征量的基础上,通过分析提取的特征量,提出采用各方向特征比值的方法。

得到的特征比值具有更加明显地对刀具状态比较敏感、但对切削用量不敏感特点。

通过对特征与特征比值敏感性分析,分析表明特征与特征比值组合的特征向量最适合作为刀具状态监测的指标。

通过多次选取特征比值、特征量组成的特征向量输入多分类支持向量机（SVM,Support Vector Machine）网络中对刀具状态进行训练和识别,发现特征与特征比值组成的特征向量对不同磨损状态不同切削用量下刀具识别精度更高,具有较好的效果,能够实现在小样本情况下不同磨损状态不同切削条件下的刀具状态分类。

【期刊名称】《制造业自动化》【年(卷),期】2016(038)005【总页数】7页(P132-138)【关键词】特征;特征比值;三向切削力;支持向量机【作者】刘宇;汪惠芬;刘庭煜【作者单位】南京理工大学机械工程学院，南京 210094;南京理工大学机械工程学院，南京 210094;南京理工大学机械工程学院，南京 210094【正文语种】中文【中图分类】TG71;TH117刀具磨损状态影响机械加工的质量、效率和成本。

在传统切削加工中，加工人员通过切削声音、切削时间等来综合判断刀具状态，这种方法主观性较强，对加工人员的经验要求非常高，不可避免地存在两个问题：1）刀具尚未失效就被卸下，导致停机时间增加，生产效率降低，刀具没有充分被利用，造成资源浪费，生产成本增加；2）当刀具已经失效而不能及时更换，导致工件的加工质量得不到保证，甚至整个切削加工系统的运行也会受到影响。

因此，为了从根本上解决这些问题，须要对刀具状态进行监测。

刀具状态监测是实现生产自动化的一个关键技术，对于提高生产效率、降低生产成本以及保证产品质量具有十分重要的意义［1］。

基于支持向量机回归爆破振动速度预测分析_史秀志

第15卷第3期2009年9月工程爆破ENGINE ERING BLAS TING Vol 15,No 3September 2009文章编号:1006-7051(2009)03-0028-03基于支持向量机回归爆破振动速度预测分析史秀志,董凯程,邱贤阳,陈小康(中南大学资源与安全工程学院,长沙410083)摘要:运用支持向量机回归(SVM R)预测理论,对爆破振动质点振动速度进行预测,并与实测数据进行对比分析。

通过与RBF 神经网络、传统预测方法进行对比分析,运用支持向量机回归理论预测方法能较好地预测爆破振动速度,对研究爆破振动特征及灾害控制具有一定意义。

关键词:支持向量机回归;质点振速峰值;预测中图分类号:T P391 9 文献标识码:AA N A LY SIS O F T H E PPV PREDICT ION OF BLA ST IN G V IBRAT IONBA SED ON SU PPO RT V ECT O R M ACH IN E REGRESSIONSH I X iu -z hi,DON G K ai -cheng ,QI U X ian -y ang ,CH E N X iao -kang(S chool of Resources and Saf ety Engineer ing ,Centr al S outh Univ er sity ,Chang sha 410083,China)ABSTRAC T:This article predicted the PPV of blasting vibration and contrasted the results with the m eas -ured data based o n support vector machine regression (SVMR)prediction theory.With the co mparative a -nalysis betw een the RBF neural netw o rk and traditio nal prediction method,the fact that the m ethod based on support vector m achine r eg ressio n theo ry co uld make a better prediction of the PPV o f blasting vibr ationand reduce prediction inaccuracy w as revealed,show ing the significance of the study o f blasting vibr ation character istics and the co ntro l of disasters caused by blasting.KEY WORDS:Suppor tive V ector M achine Regression(SVM R);Peak Particle Velocity (PPV);Predictio n收稿日期:2009-01-05作者简介:史秀志,副教授、博士,主要从事爆破与安全方面的研究。

机床非线性切削振动的监测与控制

机床非线性切削振动的监测与控制摘要本文通过对现有切削监测的原理分析和综合，以实验为基础，建立起了一套以HMM为基础，与其它模型相结合的方式，对切削过程中产生的非线性颤动进行在线监控。

所进行的大量切削实验验证了系统的可靠性、预报的实时性以及监控的有效性。

关键词HMM；非线性振动；监测；支持向量机Not-linear Cuting vibration Monitor And Control On Machine ToolLin GeruiGao Feng(Shenzhen, Guangdong Province, Human Resources Service Co., CNOOC, 518000)Abstract Based on the principle of monitoring the existing cutting analysis and synthesis, experimental basis, to establish a set of HMM-based, with a combination of other models, generated in the process of cutting the non-linear vibration-line monitoring. Carried out by a large number of cutting experimental verification of the reliability of the system, real-time forecasting and monitoring effectiveness.Key words HMM;Not-linear vibration;monitor;Support Vector Machine本文研究的主要内容是寻求一种监控机床所产生的非线性切削颤振的新方法。

这种新方法的特点是：通过对切削颤振过渡过程信号的处理来达到对切削加工状态和颤振模式进行在线识别，进而通过采用电流变等智能材料和结构在线调控切削系统动态特性来控制切削颤振的目的。

基于支持向量回归机的切削力预测

基于支持向量回归机的切削力预测
白冰
【期刊名称】《工具技术》
【年(卷),期】2016(50)10
【摘要】针对神经网络方法在切削力预测方面存在的缺陷,提出了一种新的基于支持向量回归机的切削力智能预测方法。

分析了以往切削力预测模型中输入参数和输出参数的选择问题,在此基础上选择轴向切深、进给量、主轴转速和曲面半径四个关键指标作为预测模型的输入,选择XY平面上的切削力合力和轴向切削力作为预测模型的输出,进一步建立了基于支持向量回归机的切削力预测模型。

仿真实例的预测结果表明,建立的智能切削力预测模型合理有效。

【总页数】4页(P32-35)
【关键词】切削力;预测;支持向量机;支持向量回归机
【作者】白冰
【作者单位】长春职业技术学院
【正文语种】中文
【中图分类】TG501;TH161
【相关文献】
1.基于支持向量回归机的墙面抹灰机作业效果预测 [J], 杨振宇;王勇;张兴波;刘发英
2.基于支持向量机回归树的内燃机振动信号趋势预测 [J], 万祥兰;范明君
3.基于支持向量机回归的土壤有机质含量预测 [J], 黄婷;轩双霞
4.基于支持向量机与最小二乘支持向量机的闸片识别及磨耗趋势预测 [J], 李欣
5.基于支持向量机回归的土壤有机质含量预测 [J], 黄婷; 轩双霞
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

（ｏｌｇｆｃａｉａＥｇｎｅｉｇＮａｈａＵｉｅｓｙｅｇａｇＨｕａ２０１ＣｉａＣｌｅｏｈｎｃｌｎｉｅｒ，ｎｕｎｖｒｉ，Ｈｎｙｎｎｎ４１０，ｈｎ）ｅＭｅｎｔ
Ａｂｓｒｃ：Ｔｈｉｒｉｌｄｏｅｕｐｐｏｒｖｃｏｅｒｓｉｌｏｒｔｔａｔｓｔｃｅａｐｔｄｓａｔｅｔｒｒｇｅｓｏｎａｇｉｈｍｕｃｅｄｄｎｐｒｄｉｔｎｇｔｅｕｔｉｓｃｅｅｉｅｃｉｈｃｔｎｇ
ｃｔｅｔｅｈａｔｒｒｎｄ，ａｔｅｓｍｅｉ，ａｔｈａｔｍｅｎｅｗｃｒｃｅｉｔｃｅｔａｔｎｇｈａａｔｒｓｉｘｒｃｉｍｅｈｏｗａｄｌｒｄ．ｆｒｔｙ，ｔｄｓｅｉｅｖｅｉｓｌ
ｅｔｂｉｈｄａｆｅｆｎａｉｎｆｒｃｔｉｇｃａｔｒｆｒｃｓ．ｓａｌｅｎｕｄｔｏｕｔｈｔｅｏｅａｔｓｉｏｎ
Ｋｅｙｗｏｒ：ｃｔｒｃａｔｎ；ｗａｅｅｃａｅｄｅｏｐｏｉｉｎ；ＳｄｓｕｔｅｈｔｉｇｖｌｔＰａｋｇｃｍｓｔｏＶＲ；ｒｎｄｐｒｄｉｔｏｔｅｅｃｉｎ
（南华大学机械工程学院，湖南衡阳４１０）２０１
摘要：章使用支持向量回归方法（ＶＲ）成功地对切削颤振状态趋势进行了预测，时提出了一种新的文Ｓ同
信号特征提取方法。先逐次对切削信号进行小波包分解，后计算各频带区间内的能量并对能量进行首然
ｅｒｅｉａｈｓｃｒｎｅｇｅｇｓｒｂｕｉｎｃｒｎｒｎｉｉｕｒｅｓｃｉｎｄｓａｉｇｎｏｇｔｉｇｔｅｅｒｙｄｉｔｉｔｏｈａｔａｄｔａｓｔｏｎｃｖｏｆｅｅｔｓｃｉｎ，ｆｏｍｈｕｖｅｗｅｃｕｄｃｅｒｙｓｅｔｔｉｗａｅｌｙｒｇｄｒｐｒｓｎａｉｎｏｆｄｉｆｒｎｅｔｏｒｔｅｃｒｏｌｌａｌｅｈａｔｓｒａｌａｖｅｙｏｏｅｅｅｔｔｏｆｔｅｃｔｉｈａｔｒｔａｉｉｎｃｒｃｅｉｔｃＡｔｌｓ，ｕｉｇＳＶＲｌｏｉｈｍｏｐｒｄｉｔｔｒｎｈｅｃｒ，ｈｕｔｎｇｃｔｅｒｎｓｔｏｈａａｔｒｓｉ．ａｔｓｎａｇｒｔｔｅｃｈｅｔｅｄｏｆｔｕｖｅｃｏｍｐａｉｇｉｏｈｒａｃｒｅｈｅｅｕｔａｉａｌｒｐｒｓｎｔｈｅｒｎｓｔｏｔｅｒｎｔｔｅｅｌｕｖ，ｔｒｓｌｔｂｓｃｌｙｅｅｅｔｔａｉｉｎｒｎｄ．Ｃｏｎｅｕｅｔｙ，ｉｓｑｎｌｔ
ＲｅｅｒｈｏａｔｅｅｃｉｓａｃｎＳｔｅＴｒｎｄＰｒｄｉｔｏｎｕｔｉｏｆＣｔｎｇＣｈａｔｅｔｒＢａｓｄｏＳｕｐｐｔＶｅｔｅｒｓｉｎｅｎｏｒｃｏｒＲｇｅｓｏ
ＨＵＹａ — ｉｇＩｏｂｎ，ＪＡＮＧＹｏｇｔｏｎ —ａ，ＺＨＡＮＧＣｈｎｌｎｕ —ｉｇ，ＬｉｂａＶＨａ— ｏ
ｂｏｓｒｐｐｉｎｌｉｆｔｅｃｔｎｇｓｇｌｕｓｎｇｗａｌｔＰａｋａｅｄｃｏｔｔａｎｇａａｙｓｎｇｏｈｕｔｉｉｎａｉｖｅｅｃｇｅｏｍｐｏｓｔｏｉｉｎ，ｔｅｏｍｐｕｉｇｔｅｈｎｃｔｎｈ
归一化处理，是得到了信号在各区间的能量分布图以及各区间的能量变化曲线，能量的变化曲线可于从
以很清楚的看到，区问的能量分布很好地反应了切削颤振过渡的特征。后通过Ｓ各最ＶＲ算法对能量变化
维普资讯
・
控制与检测・
组合机床与自动化加工技术
文章编号：０１—２６（０６０１０２５２０）３—０４０２—０５
基于支持向量回归的切削颤振状态趋势预测的研究丰、
胡耀斌，涌涛，春良，江张吕海波
趋势进行回归预测，实际曲线进行比较，测结果基本能反应出能量的变化趋势，而为切削颤振的与预从
预报奠定了较好的基础。关键词：削颤振；波包分解；ＶＲ；势预测切小Ｓ趋中图分类号：ＴＨ１１６６．文献标识码：Ａ