基于改进VMD和自适应BSA优化LS-SVM的刀具磨损状态监测方法

• 作者: 刘志峰 李海波 杨聪彬 蔡力钢 赵永胜
• 来源期刊: 北京工业大学学报
• 学科: 工学
• 关键词: 刀具状态监测 振动信号 变分模态分解 特征优化 回溯搜索算法 最小二乘支持向量机
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 10-23
• 页数: 14页
• 分类号: TH164
• 语种: 中文
• DOI: 10.11936/bjutxb2019070028

摘要

为提高加工过程中刀具磨损状态的识别精度,结合改进的变分模态分解算法(modified variational mode decomposition,MVMD)、自适应回溯搜索算法(adaptive backtracking search algorithm,ABSA)及最小二乘支持向量机(least squares-support vector machine,LS-SVM),提出一种刀具磨损快速识别模型.针对传统信号处理方法存在的模态混叠、噪声敏感等问题,采用瞬时频率均值法预先确定最佳分解模态数,引入降噪型变分模态分解算法进行信号分解;为提高优化效率与自适应性,提出一种改进的自适应回溯搜索算法,通过参数自适应选择提高算法的全局与局部搜索能力;基于自适应回溯搜索算法,采用LS-SVM多分类模型实现了刀具磨损状态的识别.实验结果表明,MVMD可以有效降低噪声、剔除虚假信息,同时验证了ABSA算法具有更强的全局探索和局部寻优能力,使得ABSA优化LS-SVM模型具有更高的准确性.