基于分层隐马尔科夫模型的刀具磨损状态监测

针对在以往的刀具磨损状态监测中,磨损状态的错误识别现象往往出现在磨损状态的衔接区这一问题,提出了一种基于分层隐马尔科夫模型(hierarchical hidden markov model,HHMM)的刀具磨损状态监测方法。首先,采用力信号和振动信号作为监测信号,提取时域、频域和时频域特征;其次,通过刀具磨损物理模型对刀具磨损阶段进行划分,提高模型的物理可解释性;然后,采用Fisher Score(FS)特征选择方法筛选出刀具不同磨损状态的敏感特征,构建不同磨损状态的敏感特征集;最后,使用不同磨损状态的敏感特征集训练HHMM,建立分类模型库,从而实现刀具磨损状态监测。实验结果表明,所提模型可以有效地提高刀具磨损状态的识别率,准确率为98.41%,综合查准率和查全率的Macro-F1评价指标为98.44%。

资料为PDF文档格式.

本文档关键词:刀具,分层,磨损,模型,状态