基于粒子群优化LS-SVM的车刀磨损量识别技术研究

摘要：

刀具的磨损状态直接影响产品加工质量、成本和效率，对刀具磨损量的实时监测识别具有重要意义。针对刀具磨损状态先验样本少和常规神经网络识别模型收敛速度慢、易陷入局部极小值等问题，提出了基于最小二乘支持向量机（LS-SVM）的刀具磨损识别方法，并针对支持向量机的惩罚因子和核参数对模型识别精度影响较大的问题，提出一种根据个体适应度来调整惯性权重的自适应粒子群算法进行自动参数寻优。以车削加工为研究对象，采集加工过程中的切削力信号，应用小波包分析技术提取反映刀具磨损状态的特征信息作为识别模型的输入，然后利用训练好的自适

关键词：刀具状态监测、小波包分析、粒子群优化、最小二乘支持向量机

所属期刊栏目：31

分类号：TP277(自动化技术及设备)

资助基金：国家科技重大专项基金资助项目2010ZX04015-011;中央高校基本科研业务费专项基金资助项目SWJTU12CX039

在线出版日期：2014-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1094-1097,1101