基于特征优选和狮群优化支持向量机的铣刀磨损状态识别

摘要：

在数控机床加工过程中对其铣刀的磨损状态进行识别与监测是实现智能制造的重要课题之一.以往的人工识别法会造成过早或过晚更换刀具的问题,使用机器学习对刀具磨损状态进行识别已成为主流.本文对采集到的刀具信号,选择对切削力信号和振动信号进行特征提取.针对特征子集的优化选择,提出了多层Filter式特征选择算法PP_mRMR(Pearson+PCA+mRMR),逐层降低特征维数,减少每层计算量,得到维数低、冗余度小的优选特征子集.最后再使用狮群优化算法(LSO)优化支持向量机(SVM)的参数,并利用优化好的IS0-SVM分类器实现刀具磨损状态识别.计算机仿真实验结果表明,对优选的特征子集,采用经过LSO优化后的SVM算法能够准确识别铣刀的磨损状态.相比于现有的其他算法,识别准确率提升了 2.4％,可达98.13％,并且由于算法迭代速度更快,识别时间也更少.

关键词：刀具磨损识别、特征优选、Pearson、PCA、mRMR、狮群优化算法、支持向量机

所属期刊栏目：48

分类号：TG714;TH117.1;TP18(刀具、磨料、磨具、夹具、模具和手工具)

资助基金：国家自然科学基金61772248

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：68-76