10.3969/j.issn.1000-1158.2019.04.17
基于时间序列数据和支持向量机的纳米加工AFM刀尖损伤监测
研究了基于支持向量机(SVM)的时间序列数据分析和模式识别,以监测基于AFM尖端的纳米加工过程在加工性能和尖端磨损方面的状态变化.具有瞬态、非线性和非静止特性的时间序列数据(即来自过程的加工力)由数据采集系统收集.提取3种状态检测特征,包括最大侧向加工力、侧向加工力值峰间距以及侧向加工力的方差,以对纳米加工过程的状态进行分类.构造具有(高斯)径向基核函数(RBF内核)的定向非循环图支持向量机(DAGSVM)以识别尖端状态.使用多元SVM分类机,将加工过程和刀尖磨损分为初始磨损、过渡区域磨损以及尖端失效(破裂/磨损严重的加工/不加工)3个区域.实验数据表明,二元和三元分类中SVM的准确率均超过94.73%.
计量学、尖端损伤检测、AFM尖端纳米加工、过程监测、时间序列数据、支持向量机
40
TB931(计量学)
浙江省自然科学基金LY13G010006;杭州电子科技大学人文社科研究基金KYF035616001;杭州电子科技大学翻转课堂改革项目GK168800299098-027
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
647-654