摘要：為準確識別刀具磨損狀態,提出了基于MF-DFA的特征提取方法和基于LS-SVM的磨損狀態辨識方法。設計了刀具磨損試驗方案;提出了具有可調節參數的改進閾值小波降噪方法,解決了硬閾值降噪不連續和軟閾值降噪失真問題,降噪后信號的信噪比和均方誤差優于另外兩種閾值;分析了多重分形譜參數與聲發射信號特征對應關系,基于此初選了特征參數,根據刀具不同磨損階段各參數的分布情況優選了特征參數,且優選特征參數聚類效果極佳;采用基于LS-SVM算法的磨損階段識別方法,分別使用初選特征參數與優選特征參數進行模式識別,實驗結果表明,優選特征參數的識別精度明顯高于初選特征參數;與BP神經網絡、SVM算法相比,LS-SVM算法的識別準確率最高、時間消耗最小。