一种基于主成分分析和BP神经网络的微铣刀磨损在线监测方法

摘要

本发明公开了一种基于主成分分析和BP神经网络的微铣刀磨损在线监测方法，通过安装在机床主轴上的振动传感器采集齿轮啮合过程中的振动信号样本集表示为X＝[x(1),x(2),…,x(n)]，n表示信号长度，通过时域和频域分析方法得到10个时域特征和10个频域特征，并利用主成分分析法对微铣削振动信号的上述20维特征进行降维，将降维后的特征输入基于粒子群优化的支持向量机(SVM)模型，实现微铣刀磨损特征分类。本专利提出的微铣刀在线监测方法能够准确识别微铣刀的各种磨损状态，在分类精度和计算效率方面具有综合优势，对微铣刀磨损的其它在线监测方法具有一定的指导意义和借鉴价值。