复合材料钻削刀具状态集成学习分类技术
王国锋
张彦超
（天津大学机工程学院，天津300072）
文摘刀具状态监测关系到工件加工质量，因此实时掌握刀具的磨损状态具有重要的意义。针对单一模式识别分类器的局限性，提出了基于异态集成学习模型的刀具状态监测系统。在该系统中，根据集成学习基分类器选择原则，选取了支持向量机（SVM)、隐马尔科夫模型(HMM)以及径向基神经网络(RBF)这3个单分类器作为基分类器。为了验证监测系统的有效性，进行了复合材料钻制实验，提取了加工过程中的钻削力信号、振动信号的时域特征并利用局部保持法(LPP)进行了特征选择。通过与单分类器和集成学习分类效采的对比，表明了集成学习模型相比于单一基分类器具有更高的分类精度和更好的稳定性。
关键词刀具状态监测，异态集成学习，切削力，复合材料，支持向量机，局部保持法
中图分类号：TG7
D0I:10.3969/j.issn.10072330.2015.06.007
ToolConditionMonitoringTechnologyforCFRPDrillingBasedon
Heterogeneous Ensemble Learning Model
WANG Guofeng
ZHANGYanchao
(School of Mechanical Engineering, Tianjin University, Tianjin 300072)
Abstract Tool condition monitoring (TCM) plays an important role in guaranteeing workpiece quality. There-fore, it is meaningful to monitoring the tool wear condition in time. In this paper, a tool wear monitoring system based on the heterogeneous ensemble leaming model was proposed to overcome the limitation of the single classifier, In this system, the SVM, RBF and HMM models were selected as base classifiers depend on the base classifier selection cri-terion, In order to test the performance of the monitoring system, carbon fibre reinforced plastics (CFRP) drilling ex periment is carried out. Feature extraction technology in time domain is used for force and vibration signals, and the LPP algorithm is used to realize the feature selection. By the comparison with ensemble leaming and single classifiers, it's proved that the ensemble leaming has better accuracy and stability-
Key wordsTool condition monitoring,Heterogeneous ensemble leaming,Cutting force,CFRP,SVM,LPP
0引言
随着航空航天技术的发展，难加工材料的使用也越来越多。在难加工材料切削过程中刀具磨损比较严重，而刀具的磨损直接关系到表面完整性和加工质量，因此实现刀具磨损状态的监测对提高加工精度至关重要。刀具磨损状态监测方法被分为直接法和间接法")。由于直接法具有无法在线监测，对环境要求高，价格昂贵等缺点。综合传感器、特征提取以及模式识别等技术的间接法逐渐受到了人们的青崃。
使用间接法进行刀具状态监测大体包括5个步骤：采集信号、信号预处理、特征提取、特征选择、模式识别[2] 。
在这5个步骤中，模式识别是十分关键的一个部分。模式识别有多种类型，目前在刀具监测领域常用的模型主要是单分类模型：支持向量机(SVM)[3]、神经网络（ANN)[4]以及隐马尔科夫模型(HMM)[5]等。虽然单分类器得到了广泛应用，但是它们也存在不足。其中，支持向量机模型不适用于大样本数据的监
收稿日期：2015-0617
基金项目：国家自然科学基金（51175371）：国家重大专项（2014ZX04012014）：天津市科技支撑计划项目（14ZCZDCX00021）作者简介：张彦超，1991年出生，硕士，主要从事智能监测及故障诊断研究。E-mail;thangyanchaol991@126.comt.com 通讯作者：王国锋，1975年出生，博士，副教授，主要从事智能监测及故障诊断研究。E-mail：gfwangmail@tju.edu.en
— 32 万方数据
宇航材料工艺
http://www.yhclgy.com
2015年第6期