学海网

基于SVM的刀具状态识别系统设计，毕业论文，共29页，12790字，附任务书、开题报告、外文翻译、答辩文稿等。
摘要
在刀具加工工件的过程中，刀具会不断地切割工件，导致刀具表面难免会发生磨损，本文主要研究了刀具的磨损程度及其切割过程中的信号的关系，对其信号进处理，根据得到的信号实现对刀具磨损的判断。
本文较为深入地研究了刀具磨损的检测技术。采用合适的机床、刀具与工件进行了切削试验。采集切削过程中的信号，并分析各种信号及其特点，并与自身能达到的条件出发，选用的是振动信号和切削力信号，并通过传感器收集到切削过程中的信号。此时的信号并不能直接反应刀具的信息，需要进行特征信号的提取，这些特征信号才能有效地反映刀具的磨损状态，将得到的特征信号用作系统的输入，达到刀具磨损程度的检测。
在刀具的加工方法上，考虑到生产实际上的情况，本文选用的是插铣加工，此方法相较与其他方法具有很多优点，故在工业上应用非常广泛。
本文在刀具磨损状态识别的模型上选用了的是支持向量机模型，介绍了支持向量机的模型原理，并讲述了支持向量机的训练和识别的过程。在对信号进行特征的提取后，得到的特征信号来给SVM训练和识别。
经过以上操作，得到的结果是：在小样本条件下支持向量机具有满意的学习能力和较高的识别率。
以上的研究成果对刀具磨损的识别提供了理论上的依据，也对刀具的研究和刀具加工方法的改进有很大的参考价值。
关键词：插铣；刀具磨损；支持向量机；状态识别

目录
摘要 I
Abstrac II
第一章 绪论 1
1.1刀具磨损检测现状 1
1.2刀具状态检测的重要性 1
1.3刀具磨损检测的发展趋势 2
1.4SVM的介绍 2
第二章 总体方案 4
2.1 总体方案概述 4
2.2刀具磨损监测所用方法 4
2.2.1直接法 4
2.2.2间接法 5
2.3系统总方案简图 6
2.4系统各组成部分 6
2.4.1试验装置 6
2.4.2刀具切割参数 7
2.4.3采集系统 7
第三章 试验研究与数据处理 8
3.1试验方案 8
3.2刀具磨损分析 8
3.3 信号分析及特征提取 9
3.3.1 切削力信号 10
3.3.2 振动信号 13
3.3.3 信号特征的归一化处理 14
第四章SVM模型及其原理 16
4.1 SVM 的分类算法 16
4.2实验结果及分析 19
第五章 结论与展望 20
5.1 总结 20
5.2 展望 20
致谢 22
参考文献 23

资料预览图片：