基于主成分分析和BP神经网络的微铣刀磨损在线监测

• 作者: 王二化 刘颉
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 微铣削 刀具磨损 主成分分析 BP神经网络 粒子群优化
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 控制与检测
• 页码范围: 114-117
• 页数: 4页
• 分类号: TH162|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.01.027

摘要

为提高微铣刀磨损在线监测系统的预测精度,尝试通过主成分分析法对微铣削振动信号的时域和频域特征进行降维,将降维后的特征输入改进型BP神经网络模型,实现微铣刀磨损特征分类.结果表明,提出的微铣刀在线监测方法能够准确识别微铣刀的各种磨损状态,此外,和其它分类算法相比,提出的基于遗传算法的BP神经网络模型在分类精度和计算效率方面具有综合优势,对微铣刀磨损的其它在线监测方法具有一定的指导意义和借鉴价值.