10.19927/j.cnki.syyt.2021.06.024
基于多信息融合和改进PSO-SVM的刀具磨损仿真预测
针对刀具磨损监测中单一传感器采集的信息有限以及SVM模型参数难以选择的问题,提出一种基于多信息融合和改进PSO-SVM的刀具磨损状态预测方法.采用小波变换的方法对采集到的多传感器信号进行去噪处理,提高数据的质量,针对传统粒子群算法在参数选择上的不足,提出一种改进的粒子群算法优化支持向量机参数,通过仿真验证改进的PSO-SVM模型的有效性,并将其与基本的PSO-SVM、GA-SVM两种模型进行对比分析.结果表明,改进的PSO-SVM模型在预测刀具磨损状态方面的准确度明显提升,可以对刀具磨损状态进行有效识别.
刀具磨损、多信息融合、改进粒子群算法、支持向量机
40
TH17
国家自然科学基金;国家自然科学基金;重庆市基础研究与前沿探索项目;创新项目;创新项目;重庆邮电大学国际化教育研究项目
2021-07-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
119-123