您的位置： 专家智库 > >

董彩云

作品数：1 被引量：11H指数：1
供职机构：华中科技大学机械科学与工程学院数字制造与装备技术国家重点实验室更多>>
发文基金：湖北省自然科学基金国家自然科学基金高等学校学科创新引智计划更多>>
相关领域：机械工程更多>>

合作作者

文献类型

  • 1篇中文期刊文章

领域

  • 1篇机械工程

主题

  • 1篇刀具
  • 1篇刀具磨损
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇最小二乘
  • 1篇最小二乘支持...
  • 1篇向量机
  • 1篇谐波小波
  • 1篇谐波小波包
  • 1篇BSA
  • 1篇LS-SVM

机构

  • 1篇湖北汽车工业...
  • 1篇华中科技大学
  • 1篇宁波大学

作者

  • 1篇林文文
  • 1篇张超勇
  • 1篇罗敏
  • 1篇肖鹏飞
  • 1篇孟磊磊
  • 1篇董彩云

传媒

  • 1篇中国机械工程

年份

  • 1篇2017
共 1 条 记 录，以下是 1-1
全选 清除 导出
排序方式：
基于谐波小波包和BSA优化LS-SVM的铣刀磨损状态识别研究被引量：11
2017年
针对铣削刀具磨损状态识别问题,提出谐波小波包和最小二乘支持向量机(LS-SVM)的状态识别方法。为克服传统小波包分解的频带交叠问题,采用谐波小波包提取不同磨损状态下铣削力信号的各频段信号能量,归一化处理后,输入LS-SVM多类分类器,实现铣削刀具磨损状态的识别。针对LS-SVM的惩罚因子和核参数对模型识别精度影响较大的问题,提出回溯搜索算法(BSA)进行自动参数寻优。实验结果表明,谐波小波包比小波包在刀具磨损状态特征提取时具有更好的识别效果。与粒子群算法进行比较,证明BSA优化LS-SVM具有更高的识别精度。
董彩云张超勇孟磊磊肖鹏飞罗敏林文文
关键词：刀具磨损谐波小波包最小二乘支持向量机
全选 清除 导出
共1页<1>
聚类工具0