基于HHT和IPSO算法优化RBF神经网络的滚刀磨损状态识别方法

摘要：

针对滚齿加工工艺复杂滚刀磨损状态难以准确识别的难题,提出了一种结合希尔伯特黄变换(HHT)和改进粒子群算法优化的RBF神经网络(IPSO-RBF)识别滚刀磨损状态方法.首先,采集在全生命周期下滚刀加工的主轴Z向振动信号,并用小波阈值方法去除其高频噪声成分.其次,采用经验模态分解(EMD)将去噪后信号分解成若干个本征模态函数(IMF)分量,计算并筛选IMF分量的能量值及其边际谱能量值,构造滚刀磨损状态特征向量.然后,改进标准粒子群算法,再用其优化RBF神经网络.最后,将特征向量输入优化后的RBF神经网络进行训练,实现滚刀磨损状态的自动识别.实验结果表明,该方法能够有效识别滚刀的磨损状态,识别率可达98.75％.

关键词：滚刀磨损状态、希尔伯特黄变换、小波阈值去噪、改进粒子群算法、RBF神经网络

所属期刊栏目：50

分类号：TG721(刀具、磨料、磨具、夹具、模具和手工具)

资助基金：国家重点研发计划2019YFB1703700

在线出版日期：2020-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1998-2009