已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

An unsupervised chatter detection method based on AE and merging GMM and K-means

模式识别(心理学) 人工智能 计算机科学 数学
作者
Bo-Mei Liu,Changfu Liu,Yang Zhou,Daohai Wang,Yichao Dun
出处
期刊:Mechanical Systems and Signal Processing [Elsevier]
卷期号:186: 109861-109861 被引量:6
标识
DOI:10.1016/j.ymssp.2022.109861
摘要

During metal cutting, chatter is prone to the effects of poor surface quality and tool wear. Therefore, chatter detection is becoming more and more important. The current hot methods are effective, but they also have limitations, such as the interference of human experience on the results, the need to label the data, and it takes a long time. This paper proposes an unsupervised milling chatter detection method based on a large number of unlabeled dynamic signals. The method does not depend on processing parameters and environment, does not require labels, and has strong stability. Based on auto-encode, each segment of the signal is compressed into two dimensions, and the feasibility of the reconstruction scheme is verified by numerical analysis. In the normalization algorithm, the similarity between the raw signal and the reconstructed signal is the highest, and the reconstruction effect is the best. Then, the compressed signals are clustered based on a hybrid clustering method combining GMM and K-means. Under the six evaluation indicators, compared with GMM, the clustering results of this scheme have been significantly improved. The evaluation metrics show that GMM-K-means is not only more stable but also has better result compared to K-means in chatter detection. The results show that the proposed method outperforms GMM and K-means in all six typical unsupervised evaluation metrics, and can detect chatter effectively.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
shanbaibai发布了新的文献求助10
1秒前
Loukas完成签到 ,获得积分10
3秒前
老迟到的土豆完成签到 ,获得积分10
3秒前
桂鱼饭完成签到 ,获得积分10
3秒前
5秒前
joanna完成签到,获得积分10
6秒前
候月完成签到,获得积分20
6秒前
冰留完成签到 ,获得积分10
6秒前
7秒前
桂鱼饭关注了科研通微信公众号
8秒前
楠楠2001完成签到 ,获得积分10
9秒前
李健应助fengyuke采纳,获得10
11秒前
Talha发布了新的文献求助10
12秒前
12秒前
zerk完成签到 ,获得积分10
12秒前
14秒前
扁桃体永不发炎完成签到 ,获得积分10
15秒前
shanbaibai完成签到,获得积分10
19秒前
wanci应助zerk采纳,获得10
21秒前
苹果丑应助Grayball采纳,获得30
23秒前
25秒前
小二郎应助Nn采纳,获得10
26秒前
顺心的定帮完成签到 ,获得积分10
31秒前
Nakjeong完成签到 ,获得积分10
32秒前
34秒前
稻子完成签到 ,获得积分10
37秒前
小高完成签到 ,获得积分10
40秒前
45秒前
苹果丑应助Grayball采纳,获得30
45秒前
46秒前
无奈的代珊完成签到 ,获得积分10
46秒前
xx完成签到 ,获得积分10
48秒前
wenlong完成签到 ,获得积分10
48秒前
49秒前
Pandaer完成签到,获得积分10
49秒前
呵呵贺哈完成签到 ,获得积分10
49秒前
和平小鸽完成签到,获得积分10
50秒前
孤独问雁发布了新的文献求助10
50秒前
碧蓝皮卡丘完成签到,获得积分10
53秒前
虚心的惮完成签到 ,获得积分10
55秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256743
求助须知:如何正确求助?哪些是违规求助? 2898891
关于积分的说明 8302965
捐赠科研通 2568062
什么是DOI,文献DOI怎么找? 1394872
科研通“疑难数据库(出版商)”最低求助积分说明 652924
邀请新用户注册赠送积分活动 630631