TY - JOUR A2 - Shen, Changqing AU - Wang, Zhongbin AU - Liang, Bin AU - Si, Lei AU - Tong, Kuangwei AU - Tan，曹国伟PY - 2020 DA - 2020/12/16 TI -小说希勒切削状态识别方法是基于改进的变分模态分解和LSSVM声学信号SP - 8835462六世- 2020 AB -希勒切削状态的识别是关键技术实现希勒的智能控制,这已成为国际社会高度关注的一个课题。本文以声音信号为分析对象，提出了一种基于变分模态分解(VMD)、主成分分析(PCA)和最小二乘支持向量机(LSSVM)相结合的识别方法。VMD利用变分法将信号分解为多种模态，有效地避免了假分量和模态混叠问题。在此基础上，利用Levy飞行策略的位置更新机制，设计了一种改进的重力搜索算法(IGSA)，以找到VMD的最优参数组合。然后，通过计算分解后的本征模态函数(imf)的包络熵和峰度来实现特征提取。为了避免维度灾难，增强分类性能，引入主成分分析(PCA)来选择有用的特征，合理构造基于lssvm的分类器。实验结果表明，该方法在采煤机切削状态识别中具有较高的可行性和优越性。SN - 1070-9622 UR - https://doi.org/10.1155/2020/8835462 DO - 10.1155/2020/8835462 JF -冲击和振动PB - Hindawi KW - ER -