?

基于EMD 分量與小波包能量熵的軋輥磨削顫振在線預測

2024-04-22 09:53朱歡歡遲玉倫張夢夢熊力應曉昂
金剛石與磨料磨具工程 2024年1期
關鍵詞:最小二乘支持向量機分解

朱歡歡 遲玉倫 張夢夢 熊力 應曉昂

摘要 針對軋輥磨削顫振時的時頻域單一處理方法存在部分特征丟失的問題,提出了時頻域相結合的方法對信號進行特征處理,并利用智能算法實現軋輥磨削顫振的在線預測。首先,利用經驗模態分解( empiricalmode decomposition, EMD) 方法對振動傳感器信號進行分解獲得各固有模態函數(intrinsic mode function,IMF),剔除“虛假分量”后計算表征軋輥磨削顫振的時域特征。然后,利用小波包能量熵對聲發射傳感器信號求解頻率段節點能量熵值,獲得表征軋輥磨削顫振的頻域特征。最后,將上述時頻域特征降維后代入智能算法模型實現對軋輥磨削加工的在線預測。結果表明: LV-SVM 模型的磨削顫振分類平均準確率達92.75%,模型平均響應時間為0.776 5 s;驗證了時頻域特性的EMD 和小波包能量熵方法的LV-SVM 在線預測軋輥磨削顫振的有效性。

關鍵詞 軋輥磨削顫振;EMD 分解;固有模態函數;小波包能量熵;最小二乘支持向量機

中圖分類號 TG58 文獻標志碼 A

文章編號 1006-852X(2024)01-0073-12

DOI 碼 10.13394/j.cnki.jgszz.2022.0198

收稿日期 2022-11-15 修回日期 2023-04-21

猜你喜歡
最小二乘支持向量機分解
基于滾動時間窗的PSO—LSSVM的通信基站能耗建模
基于最小二乘支持向量機的VaR計算方法研究
電子商務交易風險評估模型仿真分析
巧解與斜面相關的平拋運動問題
《中國近現代史綱要》研究性學習課堂模式分解
中國低碳旅游發展效率、減排潛力及減排路徑
基于聯合互信息的動液面預測模型
大宗商品期貨風險的分解
基于“項目—任務—問題”分解的項目教學法在《視頻制作專項實訓》課程教學中的應用
基于混合核函數的LSSVM網絡入侵檢測方法
91香蕉高清国产线观看免费-97夜夜澡人人爽人人喊a-99久久久无码国产精品9-国产亚洲日韩欧美综合