10.16508/j.cnki.11-5866/n.2021.03.012
基于MEA优化BP神经网络的刀具磨损预测
为提高刀具磨损预测的准确性,针对传统BP神经网络初始权值和阈值随机赋值的问题,提出了一种基于思维进化算法(MEA)优化BP神经网络的刀具磨损预测方法.在信号采集端,采用小波包算法对加速度传感器采集的X、Y、Z三个方向的刀具振动信号进行分解,并求取3个方向的期望值作为BP神经网络的特征输入.在预测模型构建方面,采用思维进化算法对BP神经网络的输入层权值和隐含层阈值进行优化,建立刀具磨损预测模型并计算出刀具磨损量.实验结果表明,经过MEA优化后的BP神经网络的预测均方误差为4.152 μm,相比传统BP神经网络的预测均方误差降低了64.76%,证明了该方法用于机床刀具磨损预测的可行性和有效性.
思维进化算法;BP神经网络;刀具磨损预测
36
TH117.1
北京市科技计划项目;北京市教委科技计划一般项目;河北省重大成果转化项目;北京信息科技大学校基金
2021-08-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
69-75