基于隐马尔可夫模型的切削颤振在线监测与控制的研究

本项目针对切削颤振过渡过程信号信息量大、非平稳、信号特征重复再现性差的特点，引入隐马尔可夫模型(HMM)作为基本建模和识别工具，并综合神经网络和遗传算法的优点，进行切削颤振过渡过程的HMM建模以及HMM与神经网络、遗传算法等的混合模型的建模，基于HMM及基于HMM与神经网络、遗传算法的混合模型的切削颤振在线监测，同时通过采用电流变等智能材料和结构在线调控切削系统动态特性进行切削颤振控制。HMM具有极强的动态时间序列的建模能力和时序模式分类能力，已在语音信号处理等领域得到成功应用，本项目将它应用于切削颤振在线监测，具有创新性。电流变等智能材料和结构已在振动主动控制领域获得非常好的效果，有望在切削颤振在线控制中得到成功应用。本研究对于促进切削颤振在线监测和控制技术的进步，对于深刻地揭示切削颤振过渡过程的本质特征、保证产品加工质量、提高生产率具有重要的学术价值和应用价值。