基于多传感器信号、采用多分类支持向量机(support-vector-machine,SVM)实现了刀具监测的多状态辨识.通 过对切削过程中的多向切削力和振动信号等多传感器信息进行分析,分别获得时域、频域和小波域的信息作为磨损分类特征;同时,运用基于一对多(one-versus-all,OVA)的多分类支持向量机对刀具不同磨损状态下的特征数据样本进行训练和识别.对切削过程中不同磨损状态的分类结果表明,多分类支持向量机具有出色的学习能力,能够实现在小样 本情况下的不同磨损阶段分类,并具有较高的识别精度.
