机械科学与技术
機械科學與技術
궤계과학여기술
MECHANICAL SCIENCE AND TECHNOLOGY
2008年
3期
360-364
,共5页
离散隐马尔可夫模型(DHMM)%颤振%动态模式识别%预报%矢量量化
離散隱馬爾可伕模型(DHMM)%顫振%動態模式識彆%預報%矢量量化
리산은마이가부모형(DHMM)%전진%동태모식식별%예보%시량양화
对于切削过程中颤振孕育的动态模式,提出了基于离散隐马尔可夫模型(DHMM)的模式识别理论预报颤振的新方法.首先对切削过程的振动信号进行FFI特征提取,然后利用自组织特征映射(SOM)神经网络对提取的特征矢量进行冗余信息压缩与预分类编码;再根据多变量DHMM建模理论,对切削颤振孕育的各种过程模式建立相应的DHMM,把矢量编码作为观测序列引入到DHMM中进行机器学习、训练;最后将观测序列引入到DHMM中进行颤振孕育的概率识别尝试.实验表明,该方法对颤振孕育过程识别是十分有效的,颤振预报正确率达93.3%.
對于切削過程中顫振孕育的動態模式,提齣瞭基于離散隱馬爾可伕模型(DHMM)的模式識彆理論預報顫振的新方法.首先對切削過程的振動信號進行FFI特徵提取,然後利用自組織特徵映射(SOM)神經網絡對提取的特徵矢量進行冗餘信息壓縮與預分類編碼;再根據多變量DHMM建模理論,對切削顫振孕育的各種過程模式建立相應的DHMM,把矢量編碼作為觀測序列引入到DHMM中進行機器學習、訓練;最後將觀測序列引入到DHMM中進行顫振孕育的概率識彆嘗試.實驗錶明,該方法對顫振孕育過程識彆是十分有效的,顫振預報正確率達93.3%.
대우절삭과정중전진잉육적동태모식,제출료기우리산은마이가부모형(DHMM)적모식식별이론예보전진적신방법.수선대절삭과정적진동신호진행FFI특정제취,연후이용자조직특정영사(SOM)신경망락대제취적특정시량진행용여신식압축여예분류편마;재근거다변량DHMM건모이론,대절삭전진잉육적각충과정모식건립상응적DHMM,파시량편마작위관측서렬인입도DHMM중진행궤기학습、훈련;최후장관측서렬인입도DHMM중진행전진잉육적개솔식별상시.실험표명,해방법대전진잉육과정식별시십분유효적,전진예보정학솔체93.3%.
