基于自适应动态无偏支持向量机的刀具磨损状态建模
刀具磨损状态的在线监测在缩减生产成本,增强产品制造质量和提高生产率方面意义重大.为了在建立刀具状态预测模型过程中,自适应设置模型参数和滑动时间窗长度并动态更新监测模型,在训练样本数量有限条件下提高建模拟合精度和效率,采用机器学习的原理,设计了一种动态加速粒子群优化算法(DACPSO)优化参数的自适应动态无偏最小二乘支持向量机(ADNLSSVM)建立刀具磨损模型的新方法.以公开数据库铣削加工部分数据集作为研究对象,提取和选择与预测磨损量有效特征量,验证模型精度.实验结果验证了该方法在刀具磨损预测方面的准确性和有效性.
刀具 磨损状态 预测模型 自适应动态无偏支持向量机
肖鹏飞 张超勇
华中科技大学数字制造装备与技术国家重点实验室,湖北武汉430074
国内会议
广东佛山
中文
1-23
2016-09-26（万方平台首次上网日期，不代表论文的发表时间）