基于小波包和PSO优化神经网络的刀具状态监测

• 作者: 傅攀 唐亮 李敏
• 来源期刊: 中国测试
• 关键词: BP神经网络 磨损状态识别 PSO 优化
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 测控技术
• 页码范围: 94-98
• 页数: 5页
• 字数: 3726字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2016.03.022

摘要

为改进BP神经网络进行刀具磨损状态识别时训练时间较长、收敛速度较慢、测试精度不够高、甚至完全不能训练等问题，引入一种全局搜索能力强，收敛速度快的算法---粒子群优化算法(PSO)，用其来优化BP神经网络参数，改进网络的训练和识别性能。实验证明：经粒子群算法优化后的BP神经网络较原网络有更快的训练迭代收敛速度和更高的测试准确度，达到优化的目标，对实现数控刀具磨损状态的智能化在线监测具有重要意义。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李敏	西南交通大学机械工程学院	32	227	9.0	13.0
2	傅攀	西南交通大学机械工程学院	78	545	12.0	18.0
3	唐亮	西南交通大学机械工程学院	19	527	13.0	19.0