基于深度置信网络和SVM的铣刀磨损状态识别
田雅琴1
侯寅智1
胡梦辉1
刘文涛1
邢炜晨2
1.太原科技大学机械工程学院, 山西 太原 0300242.宝钢股份冷轧厂, 上海 201900
摘要：针对人工提取的磨损指标无法全面表达铣削磨损特征的问题,提出基于改进深度置信网络(IDBN)与支持向量机(SVM)的刀具磨损识别模型.首先对刀具切削力、振动和AE信号在时域、频域、时频域进行特征提取;其次采用IDBN对提取的特征降维;最后利用改进的海鸥算法优化支持向量机(ISOA-SVM)构建磨损识别模型.结果表明,经过 100 次随机分层抽样,IDBN-ISOA-SVM对刀具磨损的平均识别率达到99%以上.从降维手段、优化算法及分类模型三个方面与其他算法对比,该模型有较高的识别率和泛化性,能够准确识别铣刀磨损状态.
关键词：磨损状态识别深度置信网络海鸥算法支持向量机
分类号：TG714(刀具、磨料、磨具、夹具、模具和手工具)
资助基金：山西省重点研发项目(202102020101011)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 67-75 )
英文信息