基于Dropout优化DBN算法的数控刀具磨损状态预测

为了提高数控刀具磨损状态预测精度,建立了一种基于Dropout优化DBN方法。通过RBM训练优化网络权值与偏置量,利用误差反向算法实现网络的微调,使特征提取获得的高级特征能够良好匹配预测需求。研究结果表明:深度BP网络则获得了比BP更强学习能力,但缺乏良好的泛化能力,SVM则可以实现稳定泛化性能。当数据量持续升高后,SVM同样发生了时耗的明显增加,促进网络预测性能提升的情况下还能够更快完成特征匹配收敛过程,经过优化DBN模型表现出了更稳定与准确的预测结果。