基于多轴力信号随机森林模型的单点微型增量成形分段早期失效检测
《IEEE Sensors Letters》:Segmentwise Early Failure Detection in Single Point Micro Incremental Forming Using Random Forest Model on Multiaxis Force Signals
【字体:
大
中
小
】
时间:2026年09月23日
来源:IEEE Sensors Letters 2.4
编辑推荐:
## 摘要:
单点微增量成形(μ-SPIF)改变了小批量生产的范围和精度,提供了定制化与灵活性。然而,在μ-SPIF过程中早期检测裂纹的起始对于确保工艺可靠性和产品完整性至关重要。本文提出了一种基于传感器的早期失效检测框架,利用三轴力矩计的多轴力测量数据,共涵盖900个测量
## 摘要:单点微增量成形(μ-SPIF)改变了小批量生产的范围和精度,提供了定制化与灵活性。然而,在μ-SPIF过程中早期检测裂纹的起始对于确保工艺可靠性和产品完整性至关重要。本文提出了一种基于传感器的早期失效检测框架,利用三轴力矩计的多轴力测量数据,共涵盖900个测量点。为了在有限的实验数据集数量下引入更多多样性,应用了基于支持向量机的合成少数类过采样技术(SVM-SMOTE)进行数据增强,将训练数据集扩展了六倍。采用二次漂移补偿模型消除采集信号中的低频漂移。在每个测量中,将整个数据集分割为时长160秒的区间。研究了每个区间内力信号变化的统计特征,包括均值、标准差和相对标准差,以探索隐藏在早期信号模式中的即将出现的不稳定性特征。多种机器学习分类器被应用于评估后的统计参数,其中随机森林模型被发现具有最高的准确率(98.9%)和F1分数(98.9%)。结果表明,所提出的基于力传感器的随机森林模型框架能够在样品表面出现可见裂纹之前至少提前320秒预测失效,从而实现μ-SPIF工艺的安全失效控制。### I. 引言单点微增量成形(μ-SPIF)是一种无模具的钣金成形技术,其中计算机控制的半球形工具沿预定义的工具路径逐步使夹持的板材毛坯发生变形,以生产复杂的三维几何形状。近年来,μ-SPIF在微制造生物医学组件和定制精密部件领域越来越受欢迎。尽管具有这些优势,但由于局部减薄和应变积累,该工艺极易突然发生断裂。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号