基于隱馬爾可夫模型及支持向量機的機床切削顫振在線監(jiān)測.pdf

1、本文針對切削顫振過渡過程信號信息量大、非平穩(wěn)、信號特征重復(fù)再現(xiàn)性差的特點，引入隱馬爾可夫模型(HMM)作為基本建模和識別工具，綜合考慮了隱馬爾可夫（HMM） 的強動態(tài)時間建模能力、神經(jīng)網(wǎng)絡(luò)（NN）的強分類能力以及支持向量機（SVM）的小樣本強推廣能力，建立起了以HMM 為基礎(chǔ)，與其它模型相結(jié)合的方式對切削過程進(jìn)行在線監(jiān)測。后期進(jìn)行的大量切削實驗驗證了各種模型的有效性、系統(tǒng)的魯棒性、預(yù)報的實時性以及監(jiān)控系統(tǒng)的穩(wěn)定性。 本文

2、通過對機床切削顫振理論、統(tǒng)計模式識別理論、通訊理論、信號處理等多方面的研究，取得的主要研究成果和創(chuàng)新點有： (1) 深入研究了機床切削信號特征提取方法，提出了基于短時傅立葉思想的特征提取方法； (2) 建立了基于DHMM、CDHMM 的切削狀態(tài)監(jiān)測模式； (3) 對多層感知器結(jié)構(gòu)及性能進(jìn)行了研究，提出了基于MLP 多信息融合能力對切削過程進(jìn)行監(jiān)測的方法； (4) 建立了基于HMM 和多層感器的混合模型并實