-
题名WOA-SVM算法在钛合金端铣刀具磨损预测的研究
被引量:3
- 1
-
-
作者
梁柱
宋小春
-
机构
广东创新科技职业学院智能制造学院
华南理工大学机械与汽车工程学院
-
出处
《机床与液压》
北大核心
2022年第15期166-174,共9页
-
基金
2021年度广东省教育厅科研平台项目(KYXM2021064)。
-
文摘
针对钛合金加工中刀具磨损状态的准确识别问题,建立了基于支持向量机(SVM)和鲸鱼优化算法(WOA)的钛合金刀具磨损预测模型。将SVM和WOA相结合,提出了一种新的WOA-SVM模型,用于钛合金立铣刀刀具磨损的精确估计。通过提取切削力的信号特征作为监测特征,利用邻域保持嵌入(NPE)对监测特征实现降维,提高了WOA-SVM模型的建模效率。实验结果表明:在保证预测精度的前提下,NPE的使用使WOA-SVM的建模时间减少了90%以上;与PSO-SVM和GSA-SVM等常用方法相比,WOA-SVM具有较高的预测精度,建模时间减少了30%以上;所建模型能有效预测钛合金加工刀具的磨损状态。
-
关键词
刀具磨损估计
邻域保持嵌入(NPE)
支持向量机(SVM)
钛合金
鲸鱼优化算法(WOA)
-
Keywords
Tool wear estimation
Neighborhood preserving embedding(NPE)
Support vector machine(SVM)
Titanium al⁃loy
Whale optimization algorithm(WOA)
-
分类号
F416.41
[经济管理—产业经济]
TG54
[金属学及工艺—金属切削加工及机床]
-
-
题名基于多传感数据融合的刀具磨损状态预测研究
被引量:1
- 2
-
-
作者
谢骏遥
王凯
张来斌
吴飞
曾路
-
机构
中国石油大学(北京)机械与储运工程学院
中国石油塔里木油田分公司
-
出处
《制造业自动化》
2016年第7期1-4,共4页
-
基金
国家自然基金(51504274)
中国石油大学(北京)自然科学基金(2462014YJRC039
2462015YQ0403)
-
文摘
为提高制造系统可靠性,提出了一种基于人工智能的多传感器数据融合方法用于预测刀具磨损状态。通过人工智能算法对于监测过程中的多传感器数据进行特征融合,进而使用支持向量机进行回归分析,从而对刀具磨损状态进行预测。主要选取经典特征选择技术包括核主成分分析,局部线性嵌入和最小冗余最大相关方法进行特征融合,通过数控铣床上的刀具磨损损伤实验验证该方法的有效性。结果表明,刀具磨损预测模型可以以更加经济有效的方式精确估计刀具磨损宽度,精度等同于离线的显微镜仪器测量,此外核主成分分析方法预测精度最高。
-
关键词
刀具磨损估计
特征融合
状态预测
-
分类号
TG71
[金属学及工艺—刀具与模具]
TP202
[自动化与计算机技术—检测技术与自动化装置]
-