您现在的位置是：网站首页>机械工程>基于小波包-隐马尔科夫模型的机床加工状态识别
基于小波包-隐马尔科夫模型的机床加工状态识别
简介
摘要∶机床加工状态对加工工件质量有很大的影响，因此识别机床加工状态有重要的意义。依据采集的机床加工数据，通过FFT频谱分析，划分出机床加工的3种状态。利用小波包分解，分别求出各种状态在不同频带节点上的能量分布百分比，并把它作为隐马尔科夫模型的输人特征向量。按照隐马尔科夫模型模式识别方法，建立3种标准状态的训练优化模型库，把测试样本代人优化模型库中，依据最大对数似然值对机床的加工状态进行了识别。计算结果表明，状态识别结果正确。
摘要∶机床加工状态对加工工件质量有很大的影响，因此识别机床加工状态有重要的意义。依据采集的机床加工数据，通过FFT频谱分析，划分出机床加工的3种状态。利用小波包分解，分别求出各种状态在不同频带节点上的能量分布百分比，并把它作为隐马尔科夫模型的输人特征向量。按照隐马尔科夫模型模式识别方法，建立3种标准状态的训练优化模型库，把测试样本代人优化模型库中，依据最大对数似然值对机床的加工状态进行了识别。计算结果表明，状态识别结果正确。
上一篇：基于五轴机床的叶轮实体建模与加工
下一篇：数控机床常见故障的排除方法
推荐下载
精品资源合集一键下载