摘要
工件表面粗糙度直接影响到工件的装配精度,抗疲劳强度,润滑及其寿命,如何在车削过程中对工件表面粗糙度进行有效的监测就显的尤为重要.本文提出了一种基于隐马尔可夫模型(HMM)和车削振动信号的工件表面粗糙度监测新方法.分析了车削时刀尖相对于工件径向变动量对于工件表面形貌形成的影响,确定了切削振动能量作为监测特征.基于小波包分解和经验模态分解提取了切削振动能量特征,采用自组织特征映射神经网络对特征矢量进行量化编码后作为HMM的观测系列对工件表面粗糙度精度等级进行精度识别.实验分析表明,HMM能够有效的用于工件表面粗糙度精度等级识别,其识别率93.2％.
基金项目
安徽省自然科学基金面上项目(1708085ME104)
安徽省高校自然科学研究重点项目(KJ2017A439)
安徽省高校自然科学研究重点项目(KJ2016A803)
宿州学院教授(博士)科研启动基金(2016JB09)
NETL
NSTL
维普
万方数据