基于粒子群优化SVM的刀具磨损量预测

发布时间：2017-09-19 17:11

  本文关键词：基于粒子群优化SVM的刀具磨损量预测

  更多相关文章： 刀具 磨损量预测 粒子群 支持向量机

【摘要】：针对SVM预测刀具磨损量存在的参数不易确定的问题,提出了新的基于粒子群优化SVM的智能预测方法。在介绍粒子群算法和SVM回归模型基本理论的基础上,提出用自适应粒子群优化算法优化SVM参数的策略,采用小波包方法对切削声信号进行分解处理,建立了基于粒子群优化SVM的刀具磨损量预测模型。试验分析的仿真结果表明,所建立的刀具磨损量智能预测模型具有较强的推广能力和较高的预测精度。
【作者单位】： 长春职业技术学院;
【关键词】： 刀具 磨损量预测 粒子群 支持向量机
【基金】：“十二五”国家科技支持计划(2014BD06B00)
【分类号】：TP18;TG71
【正文快照】： 1引言 随着以物联网和智能制造为主导的工业4.0时代悄然来袭,机械加工行业将加速转型升级。刀具是机械加工中的重要设备,刀具的磨损量与刀具成本核算、刀具需求计划制定、加工质量和加工精度等 密切相关,因此刀具磨损量的实时监测和科学预测具有重要意义[1]。文献[2]、文献[

【参考文献】

中国期刊全文数据库 前10条

1 张锴锋;袁惠群;聂鹏;;基于切削声信号与优化SVM的刀具磨损状态监测[J];振动.测试与诊断;2015年04期

2 聂鹏;何超;许良;李正强;崔凯奇;;基于遗传算法优化SVM的刀具VB值预测的研究[J];机床与液压;2015年11期

3 关山;闫丽红;彭昶;;LS-SVM回归算法在刀具磨损量预测中的应用[J];中国机械工程;2015年02期

4 张锴锋;袁惠群;聂鹏;;基于广义维数与优化BP神经网络的刀具磨损量预测[J];东北大学学报(自然科学版);2013年09期

5 雷小宝;廖文和;谢峰;郑侃;赵吉文;;义齿用预烧结氧化锆高速铣削时刀具磨损及寿命预测[J];南京理工大学学报;2013年04期

6 王海斌;刘维亭;徐卉;;基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测[J];船舶工程;2013年01期

7 王利伟;王姣;;云-SVM模型及在数控机床刀具磨损状态预测中的应用[J];组合机床与自动化加工技术;2012年09期

8 关山;聂鹏;;L-M优化算法BP网络在刀具磨损量预测中的应用[J];机床与液压;2012年15期

9 邱景平;邢军;姜谙男;孙晓刚;;基于粒子群支持向量机的矿岩强度指标的超声预测[J];东北大学学报(自然科学版);2012年05期

10 江平;邓志平;;基于BP网络对刀具磨损的预测[J];煤矿机械;2012年03期

【共引文献】

中国期刊全文数据库 前10条

1 韩玉辉;;基于粒子群优化SVM的刀具磨损量预测[J];工具技术;2016年11期

2 关山;康振兴;彭昶;;车削刀具磨损声发射信号的云特征分析[J];农业工程学报;2016年20期

3 滕凯;;基于BP神经网络L-M优化算法的喷液式线切割工艺参数优化[J];机床与液压;2016年15期

4 王岩;张波;薛博;;基于FOA-SVM的中文文本分类方法研究[J];四川大学学报(自然科学版);2016年04期

5 胡智鹏;;基于模糊逻辑的刀具磨损状态检测[J];山东工业技术;2016年11期

6 张昌娟;焦锋;赵波;牛赢;;基于灰色-马尔可夫模型的刀具磨损预测[J];河南理工大学学报(自然科学版);2015年06期

7 滕凯;;基于正交试验和BP神经网络的Ti-6Al-4V合金电火花线切割工艺参数优化[J];制造业自动化;2015年20期

8 黄发明;殷坤龙;张桂荣;周春梅;张俊;;基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测[J];地球科学(中国地质大学学报);2015年07期

9 何栋磊;黄民;;改进的BP神经网络在刀具磨损状态监测中的应用[J];机械工程师;2015年07期

10 马小骏;任淑红;左洪福;文振华;;基于LS-SVM算法和性能可靠性的航空发动机在翼寿命预测方法[J];交通运输工程学报;2015年03期

【二级参考文献】

中国期刊全文数据库 前10条

1 吴森;韦灼彬;王绍忠;王斌;李扬;;基于AR模型和主成分分析的损伤识别方法[J];振动.测试与诊断;2012年05期

2 王利伟;王姣;;云-SVM模型及在数控机床刀具磨损状态预测中的应用[J];组合机床与自动化加工技术;2012年09期

3 关山;聂鹏;;L-M优化算法BP网络在刀具磨损量预测中的应用[J];机床与液压;2012年15期

4 聂鹏;徐洪W，

本文编号：882872