随机森林算法的立铣刀磨损状态评估

• 作者: 李凡 李楠 谢峰
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 机器学习 刀具磨损 特征提取 随机森林算法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 精密制造与加工
• 页码范围: 419-424
• 页数: 6页
• 分类号: TG501.3
• 字数: 4764字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190135

摘要

制造业自动化水平的提高对数控机床的自我诊断能力提出了新的要求,而人工智能的发展为此开辟了新的解决方案.为了更高效、全面地对刀具磨损状态进行评估,通过采集立铣刀切削时的力和加速度信号,并对其时域、频域与小波能量特征的信号的特征值进行提取,建立了一种基于随机森林算法(Random forest)的刀具磨损状态评估模型.实验数据的对比验证中,随机森林模型对107组测试样本的刀具磨损状态评估准确率达到99.1％,且其建立模型的时间少于1s.结果 表明,随机森林算法具有高效与高准确度的特点,能为刀具磨损状态的在线监测系统的建立奠定基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢峰	安徽大学电气工程与自动化学院	26	83	6.0	8.0
2	李楠	安徽大学电气工程与自动化学院	5	7	2.0	2.0
3	李凡	安徽大学电气工程与自动化学院	4	6	2.0	2.0