基于KPCA-Chi2的铣床刀具损伤状态识别方法研究

摘要：

针对刀具损伤状态的识别问题,以提高刀具故障状态的识别精度为目标,结合信号处理和统计分析技术,提出了一种KPCA-Chi2数控铣床刀具损伤状态识别方法.首先,采用激光测振仪提取数控铣床运行状态下的振动时域信号.然后,选取振动信号时域和频域分布的8个统计特征参数,基于核主成分分析对特征参数进行降维融合,获得反映铣床刀具故障特征的时频主成分.在此基础上,构建时频主成分的Chi-2统计量,建立刀具损伤特征分布图,为刀具损伤状态的识别提供图形化参考.实验表明,本文提出的方法能够直观有效地识别刀具不同故障状态.

关键词： 数控铣床 刀具损伤 状态识别 核主成分分析 特征分布图

作者: 周余庆 高晨

作者单位: 温州大学机电工程学院,浙江温州325035

会议类型: 国内会议

会议名称: 2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议

会议地点: 西安

会议语种:中文

页码: 101-104

在线出版日期: 2016-08-01（万方平台首次上网日期，不代表论文的发表时间）