基于PSO优化LS-SVM的刀具磨损状态识别
2017-09-15分类号：TG71;TH871.6;TP18
【部门】清华大学机械工程系 清华大学精密超精密制造装备及控制北京市重点实验室 电子科技大学机械电子工程学院 海军航空工程学院飞行器工程系
【摘要】为监测刀具的磨损状态,该文建立了一个基于声发射的刀具磨损状态监测系统。在刀具磨损状态监测实验中,采集加工过程中的声发射信号,提取方根幅值、绝对值均值、均方根、最大值作为反映刀具磨损的时域特征值。针对人工神经网络容易陷入局部极小值、结构难以确定、学习收敛速度慢等缺点,提出最小二乘支持向量机(least square support vector machine,LS-SVM)的刀具磨损状态识别方法。针对LS-SVM性能依赖于惩罚因子和核参数,利用粒子群优化(particle swarm optimizati
【关键词】刀具状态识别 时域特征值 最小二乘支持向量机(LS-SVM) 粒子群优化(PSO)算法
【基金】国家科技重大专项(2013ZX04001-021)
【所属期刊栏目】清华大学学报(自然科学版)
文献传递
