首页|基于KNN算法的铣刀状态监测技术研究

基于KNN算法的铣刀状态监测技术研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对铣削刀具状态监控困难的问题,这里运用声发射传感器、振动传感器及电流传感器构建了一个铣刀状态监测系统.在刀具磨损状态监测实验中,通过三种传感器获取加工过程信号,进行时域分析,最终确定提取出主轴振动信号的有效值、工作台声发射信号方差、工作台声发射信号峰值、主轴电机电流标准差、主轴电机电流标准差峰值5个特征值,利用KNN算法进行刀具磨损状态识别.经过参数优化及对比,最终结果证明选择切比雪夫距离及k=6时状态识别效果最好,准确率为96.83％.
Research on Condition Monitoring Technology of Milling Cutter Based on KNN

隋文涛、王文超、袁林、李志永

展开 >

山东理工大学机械工程学院,山东 淄博 255049

山东豪迈机械科技股份有限公司,山东 高密 261500

铣刀 特征提取 KNN算法

山东省重点研发计划(重大科技创新工程)项目

2018CXGC0602

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.388(6)
  • 3
  • 10