一 特徵提取方法
① 時域特徵
時域特徵也是訊號的統計特徵，特徵提取採用概率統計的方法，常見時域特徵包括：均值、方差、均方根、偏度、峰度等；
檢測方式
切削力ae訊號檢測
振動訊號檢測
功率檢測
時域特徵值型別
幅值、均方根、力比、方差
均方根、峰值因子、方差、幅度
均方根值
電流波峰、波谷
② 頻域特徵
頻域特徵一般指利用快速傅利葉變化，通過頻譜分析得到的訊號特徵。
③ 時頻特徵
在對非平穩訊號的研究中，只了解訊號的時域或頻域特性往往是不夠的，有時還希望得到訊號頻譜隨時間的變化情況，因此需要使用時間和頻率聯合的函式來表示訊號，這就需要採用時頻分析法。時頻分析的主要任務是描述訊號的頻譜含量是怎樣隨時間變化的，得到訊號的能量或強度在時間和頻率上的分布，從而實現訊號時頻特徵資訊的提取。（小波分析法是時頻分析的有效工具，在刀具狀態檢測中應用比較廣泛）
④ 時間序列分析特徵
時間序列分析是根據系統觀測得到的時間序列資料，通過曲線擬合和引數估計來建立數學模型的理論和方法。對於平穩時間序列，可用自回歸模型（ａｒ）、滑動平均模型（ｍａ）、自回歸滑動平均模型（ａｒｍａ）來進行擬合；對於非平穩時間序列則要先將觀測到的時間序列進行差分運算，化為平穩時間序列，再用適當模型去擬合這個差分序列。
⑤ 分型特徵
分形理論是研究自然界不規則和複雜現象的科學理論和方法，作為非線性科學的重要組成部分，為研究復雜訊號提供了有效的途徑，目前在包括刀具狀態監測領域在內的許多研究領域廣泛應用。
二 決策方法
人工神經網路是由多個簡單的處理單元相互連線而成的複雜的網路系統，它能夠反應人腦功能的許多基本特徵，是乙個高度非線性的動力學系統，非常適合需要同時考慮多因素和多條件的資訊處理問題。人工神經網路是目前刀具狀態監測領域應用最多的決策模型，據研究統計，該領域超過半數的研究均釆用的是人工神經網路方法。
雖然人工神經網路在刀具監測領域得到了廣泛的應用，但在應用中經常會遇到一些問題，如：網路訓練容易出現不收斂的現象；訓練中容易陷入區域性極小值；對訓練樣本數量要求高；網路結構的設計缺乏理論依據等。
模糊神經網路是神經網路和模糊系統的結合體。神經網路是從神經細胞的資訊處理的微觀結構上模擬人類智慧型，具有良好的學習和適應能力；模糊邏輯是從人的抽象思維的巨集觀過程上模擬人類智慧型，具有較強的結構知識表達能力，但隸屬度函式的生成和模糊規則沒有有效的學習和自適應能力。神經網路的學習功能和模糊推理系統推理功能的融合不但使模糊系統具有自學習、自適應的特性，還使得傳統神經網路沒有明確物理含義的權值被賦予了模糊邏輯中推理引數的物理含義，而且提高了系統的效能，在一定程度上彌補了人工神經網路的不足。
支援向量機是建立在統計學習理論和結構風險最小化原理基礎上的機器學習方法，它能夠根據有限的樣本資訊，在模型的複雜性和學習能力之間尋求最佳折中，獲得最好的推廣能力。因此，支援向量機具有很好的學習能力、決策精度以及泛化能力。此外，它還具有結構確定受人為干預少，能夠很好的解決小樣本、非線性和高維數等問題的優點，在刀具磨損狀態分類和磨損量**研究中能夠發揮比人工神經網路更優越的效能
隱馬爾可夫模型（ｈｍｍ）是用來描述乙個含有隱含未知引數的馬爾可夫過程的統計模型。ｈｍｍ中的狀態是不可見的，但可以看到狀態表現出來的觀察值和狀態的概率函式。觀察值是關於狀態的隨機過程，而狀態是關於時間的隨機過程，因此ｈｍｍ是乙個雙重隨機過程。作為一種基於統計分析的識別模型，ｈｍｍ已成功地用於語音識別，行為識別，文字識別以及故障診斷等領域，在刀具狀態分類研究中也得到了應用，但無法用於實現刀具磨損量的**。
工業視覺檢測
工業視覺檢測 1 表面質量的檢測 主要是劃痕 髒汙 亮斑 缺角和凸起等。計算方法 2 視覺定位 雙目 多目定位 檢測物件 機械零部件等 計算方法 3 工業視覺主要組成部分 4 考慮的因素 檢測物件特徵 光源的照射角度 定製 相機景深 遠心鏡頭 檢測的實時性 對相機的幀率 光源亮度 其他 時間 運動模...
雙工業機械人檢測分揀實訓裝置
zn k26雙工業機械人檢測分揀實訓裝置 一 裝置介紹 雙工業機械人檢測分揀裝置本生產線為 袋件 自動檢測分揀線，工作流程如 人工擺放藥袋 輸送帶1傳輸 視覺1檢測 abb機械人1分揀 輸送帶2傳輸 視覺2檢測 abb機械人2搬運，迴圈工作。本套系統相關引數 1 藥片引數 130x85x5 mm 2...
單工業機械人檢測分揀實訓裝置
zn k27單工業機械人檢測分揀實訓裝置 一 裝置介紹 單工業機械人檢測分揀裝置本生產線為 片件 自動分揀整理線，工作流程如下 人工將片件放在提公升機料槽裡 提公升機將片件提公升到輸送線1 視覺檢測 機械人1分揀整理 輸送帶2傳輸 片件回到送料槽 部分片件經過回流線輸送至料槽 迴圈工作。單工業機械人...