基于增量自适应支持向量机的AFM尖端磨损识别

TP274%TH17; 为了提高纳米加工刀具磨损状态在线监测的精度与泛化能力,提出一种基于增量自适应支持向量机的基于原子力显微镜(AFM)尖端磨损识别方法.该方法以横向力的峰-峰值和方差作为特征变量,通过移动视窗获取增量数据;以维持Kuhn-Tucher定理所要求的最优化条件为准则,在当前支持向量机解结构基础上自适应修改正则化参数C和核参数σ,以获得更新支持向量机结构,并对增量数据及受其扰动的原数据进行分类;根据尖端失效点数量走势,判定尖端磨损程度.实验证明该算法在识别精度与时间上可满足在线检测要求.与定向非循环图支持向量分类器对比,该算法具有更强的鲁棒性与更高的泛化能力....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 29; no. 4; pp. 1127 - 1136
Main Authors 江子湛, 程菲, 张海民
Format Journal Article
LanguageChinese
Published 安徽信息工程学院 大数据与人工智能学院,安徽 芜湖 241000%杭州电子科技大学 管理学院,浙江 杭州 310018 30.04.2023
Subjects
纳米加工
尖端磨损在线识别
增量自适应支持向量机
横向力特征
统计模式损伤检测
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2023.04.007

Cover

More Information
Summary:TP274%TH17; 为了提高纳米加工刀具磨损状态在线监测的精度与泛化能力,提出一种基于增量自适应支持向量机的基于原子力显微镜(AFM)尖端磨损识别方法.该方法以横向力的峰-峰值和方差作为特征变量,通过移动视窗获取增量数据;以维持Kuhn-Tucher定理所要求的最优化条件为准则,在当前支持向量机解结构基础上自适应修改正则化参数C和核参数σ,以获得更新支持向量机结构,并对增量数据及受其扰动的原数据进行分类;根据尖端失效点数量走势,判定尖端磨损程度.实验证明该算法在识别精度与时间上可满足在线检测要求.与定向非循环图支持向量分类器对比,该算法具有更强的鲁棒性与更高的泛化能力.
ISSN:1006-5911
DOI:10.13196/j.cims.2023.04.007