基于双信号融合的主轴/刀柄结合面刚度退化程度预测OA北大核心CSTPCD
Prediction of Stiffness Degradation Degree of Spindle-tool Holder Interfaces Based on Two-signal Fusion
为了预测主轴/刀柄结合面刚度退化程度,提出了一种基于激励和响应信号融合的主轴/刀柄结合面刚度退化程度预测方法.首先进行钛合金矩形工件侧铣实验,采集瞬时铣削力信号和主轴/刀柄结合面附近的响应振动信号,构建反映主轴/刀柄结合面刚度退化的数据库.然后根据数据库中瞬时铣削力和振动信号各方向的时域、频域和时频域特征,基于相关性分析优选出瞬时铣削力信号和振动信号的时域均值、频域中心频率、时频域一阶小波包能量3个特征,分别使用低频滤波卷积核和高频滤波卷积核对优…查看全部>>
In order to predict the stiffness degradation degree of spindle/tool holder interfaces,a method was proposed based on excitation and response signal fusion.Firstly,side milling experiments of rectangular titanium alloy workpiece were carried out,instantaneous milling force signals and re-sponse vibration signals near the spindle-tool holder interfaces were collected,and a database reflec-ting the stiffness degradation of the spindle-tool holder interfaces wa…查看全部>>
吴石;张勇;王宇鹏;王春风
哈尔滨理工大学先进制造智能化技术教育部重点实验室,哈尔滨,150080哈尔滨理工大学先进制造智能化技术教育部重点实验室,哈尔滨,150080哈尔滨理工大学先进制造智能化技术教育部重点实验室,哈尔滨,150080哈尔滨理工大学先进制造智能化技术教育部重点实验室,哈尔滨,150080
机械工程
主轴/刀柄结合面刚度退化特征融合朴素贝叶斯分类器-支持向量机模型
spindle-tool holder interfacestiffness degradationfeature fusionnaive Bayes classifier-support vector machine(NBC-SVM)model
《中国机械工程》 2024 (8)
1449-1461,13
国家自然科学基金国际(地区)合作与交流重点项目(51720105009)
评论