摘要：為準(zhǔn)確識別刀具磨損狀態(tài),提出了基于MF-DFA的特征提取方法和基于LS-SVM的磨損狀態(tài)辨識方法。設(shè)計(jì)了刀具磨損試驗(yàn)方案;提出了具有可調(diào)節(jié)參數(shù)的改進(jìn)閾值小波降噪方法,解決了硬閾值降噪不連續(xù)和軟閾值降噪失真問題,降噪后信號的信噪比和均方誤差優(yōu)于另外兩種閾值;分析了多重分形譜參數(shù)與聲發(fā)射信號特征對應(yīng)關(guān)系,基于此初選了特征參數(shù),根據(jù)刀具不同磨損階段各參數(shù)的分布情況優(yōu)選了特征參數(shù),且優(yōu)選特征參數(shù)聚類效果極佳;采用基于LS-SVM算法的磨損階段識別方法,分別使用初選特征參數(shù)與優(yōu)選特征參數(shù)進(jìn)行模式識別,實(shí)驗(yàn)結(jié)果表明,優(yōu)選特征參數(shù)的識別精度明顯高于初選特征參數(shù);與BP神經(jīng)網(wǎng)絡(luò)、SVM算法相比,LS-SVM算法的識別準(zhǔn)確率最高、時(shí)間消耗最小。