学位论文 > 优秀研究生学位论文题录展示
基于振动分析和支持向量机的表面质量在线检测方法研究
作 者: 朱培根
导 师: 梅卫江; 王序俭
学 校: 石河子大学
专 业: 机械工程
关键词: 振动信号 核独立分量分析 小波包分析 支持向量机 在线检测
分类号: TP274
类 型: 硕士论文
年 份: 2013年
下 载: 6次
引 用: 0次
阅 读: 论文下载
内容摘要
工件表面质量在线监测可以主动地检测工件加工的质量情况,并根据检测结果进行统计分析,结合产品质量等级指标,形成个别或批量产品的评估数据,为生产、质量控制和出厂部门提供决策依据。这对于保障零件加工质量、提高加工效率具有重要的现实意义。本文基于振动分析和支持向量机对机械加工表面质量的在线检测进行相关的研究,首先得用核独立分量分析对所采集到的原始信号进行盲源分离,然后利用小波包分析提取振动分离信号的特征参数,最后利用支持向量机对表面质量进行分类识别。本试验主要从以下三个方面的研究内容展开:第一,状态信息的获取。振动信号中携带有机械设备内部运行状态的大量信息,因此本文基于振动信号来研究其与表面质量之间的内在联系及机械加工表面质量的判断识别。首先,本试验论文在对切削振动理论、振动信号采集及分析处理理论、表面粗糙度等相关理论分析的基础上,研究确定相关实验条件并搭建试验平台,以便能完成表面粗糙度的测量、振动信号的采集及分析。第二,状态信息的特征提取。确定振动信号为状态信息后,我们希望通过对其进行信号的处理与分析找出对表面质量状态敏感的一些特征量,通过这些特征量能够有效的表达或识别不同的表面质量状态,实现表面质量的有效检测。通过对核独立分量分析和小波包分析相关理论及算法的研究分析和仿真实验可知,核独立分量分析是一种非线性的独立分量分析算法,它对于非线性非稳态的振动信号的盲源分离更准确,更灵活。其分离出各自独立且互不相关的振动分量,能更有效的表征机械运行状态。小波包对非平稳信号具有很好的局部分析能力,其所分解的不同振动信号的各频带内的能量特征能反映不同机械运行状况的本质特征。针对机械加工过程中的振动信号通常是非线性、非稳态的信号系列,本文选择基于核独立分量分析和小波包能量来实现振动信号的特征提取。第三,状态的模式识别。本论文选用支持向量机来进行表面粗糙度的分类识别,相比较传统的统计模式识别方法,支持向量机在解决小样本、非线性及高维模式识别中表现出许多特有的优势。在对支持向量机相关理论基础及算法研究和分析的基础之上,将核独立分量分析结合小波包能量所提取的振动信号的能量特征作为支持向量机的样本输入,进行表面质量分类识别的研究。理论研究和试验结果表明,基于振动信号核独立分量分析方法、小波包分析方法结合支持向量机的状态识别方法能有效地对机械加工表面质量进行检测,为在线表面加工质量检测的实现可能性研究奠定了试验及理论基础。
|
全文目录
摘要 5-6 Abstract 6-10 第一章 绪论 10-16 1.1 本课题研究的目的和意义 10-11 1.2 国内外的研究基础及发展现状 11-13 1.2.1 国外研究现状 11-12 1.2.2 国内研究现状 12-13 1.3 论文的主要内容及技术路线 13-15 1.3.1 研究内容 13-14 1.3.2 技术路线 14-15 1.4 全文安排 15-16 第二章 机械振动信号分析理论基础及方法 16-23 2.1 切削振动机理 16-17 2.2 切削表面粗糙度理论 17-19 2.2.1 影响零件加工表面粗糙度的因素 17-18 2.2.2 表面粗糙度的评定及测量方法 18-19 2.3 切削振动信号的采集与分析理论 19-22 2.3.1 切削振动信号的采集方法 19-20 2.3.2 切削振动信号的分析理论 20-22 2.4 小结 22-23 第三章 核独立分量分析 23-33 3.1 独立分量分析基本理论 23-26 3.1.1 独立分量分析的数学模型 23-24 3.1.2 独立分量分析的基本假设 24 3.1.3 独立分量分析的算法 24-26 3.2 核独立分量分析 26-29 3.2.1 核方法概述 26-27 3.2.2 核独立成分分析算法 27-29 3.3 独立分量分析和核独立分量分析算法的仿真实验 29-32 3.4 小结 32-33 第四章 基于核独立分量分析-小波包分析的振动信号特征提取实验及结果分析 33-48 4.1 实验系统的组成 33-37 4.1.1 DM4600 立式镗铣加工中心简介 34-35 4.1.2 DASP 虚拟综合测试系统简介 35-36 4.1.3 传感器的选择与安装 36-37 4.2 核独立分量分析在振动信号分离中的应用 37-41 4.2.1 基于核独立分量分析的振动信号分离试验研究 38-41 4.3 小波包分析在振动信号特征提取中的应用 41-47 4.3.1 小波分析基本理论 42-43 4.3.2 小波包分析基本理论 43-45 4.3.3 利用小波包进行特征向量的提取 45-47 4.4 小结 47-48 第五章 基于支持向量机的表面质量在线检测方法研究 48-61 5.1 支持向量机概述 48 5.2 支持向量机原理 48-52 5.2.1 线性分类问题 48-50 5.2.2 近似线性分类问题 50-51 5.2.3 非线性分类问题 51 5.2.4 核函数 51-52 5.3 支持向量机表面质量在线检测实验结果分析 52-59 5.4 小结 59-61 第六章 总结和展望 61-63 6.1 全文总结 61 6.2 研究展望 61-63 致谢 63-64 参考文献 64-70 导师评阅表 70
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 基于改进的支持向量机的模拟电路故障诊断方法研究,TN710
- 湿法冶金浸出过程建模与优化,TF803.2
- 基于SVM和PSO的烧结工况预报方法的研究与实现,TF821
- 基于小波分形理论的振动信号分析系统研究,TN911.6
- 手持式低频振动信号采集系统与技术的研究,TP274.2
- 配电网故障定位及在线监测系统的研究与应用,TM76
- 基于小波分析的掌纹图像识别研究,TP391.41
- 发动机扭转振动测量精度及试验台架研究,TK417
- 基于机器学习的microRNA基因预测,R346
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统
© 2012 www.xueweilunwen.com
|