基于隐马尔科夫模型和支持向量机的曲面加工颤振识别与预报

针对曲面加工过程容易产生加工颤振而导致表面加工质量降低的问题,提出一种基于隐马尔科夫模型和支持向量机(HMM-SVM)的颤振早期识别与预报方法.首先,根据曲面加工颤振发展较快,孕育阶段时间短,难以与正常加工及颤振爆发阶段区分的现象,结合HMM模型有较强的相似性归类能力和SVM有较强的二类分类能力的特点,设计了基于HMM SVM混合模型的颤振识别与预报系统;其次,应用加速度传感器采集曲面加工过程中刀具振动信号,完成反映加工状态的特征信号的获取;最后,利用HMM、HMM SVM分别进行曲面加工状态识别试验,并进行结果分析与比较.试验结果表明:与单独使用HMM模型相比,基于HMM-SVM混合模型可以大大提高识别准确率,3种加工状态识别率均达95％以上,并具有较好的识别实时性,识别时间1.5s以内,可实现颤振快速识别与预报,为后续颤振抑制环节提供依据和保证.