摘要： 针对目前多特征融合刀具磨损监测方法中存在特征之间相关性差、非线性关系被忽略，导致用于模式识别的融合特征维数过大、冗余信息多、特征契合度差和识别准确率低的问题。提出了一种核典型相关分析(Kernel Canonical Correlation Analysis, KCCA)的多级特征融合方法。采集数控加工过程的声压信号以及工件纹理图像，并提取相应的视听特征，利用核典型相关分析法在高维空间找到2组投影方向，保证投影后特征间的皮尔逊系数最大，使视听特征的相关性最大化。经实验验证，利用核典型相关分析法能计算6组典型变量，并表达原特征97%以上的信息，大大降低了特征维数、减少了冗余特征。并且同样的识别模型下，核典型相关分析法能够将检测准确率提升至95%以上。
中图分类号: