基于多信息融合和改进PSO-SVM的刀具磨损仿真预测

• 作者: 黄庆卿 黄豪 张焱 胡小林
• 来源期刊: 实验室研究与探索
• 关键词: 刀具磨损 多信息融合 改进粒子群算法 支持向量机
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 专题研讨——虚拟仿真技术(94)|Special Topic Discussion——Virtual Simulation Experiment (94)
• 页码范围: 119-123
• 页数: 5页
• 分类号: TH17
• 语种: 中文
• DOI: 10.19927/j.cnki.syyt.2021.06.024

摘要

针对刀具磨损监测中单一传感器采集的信息有限以及SVM模型参数难以选择的问题,提出一种基于多信息融合和改进PSO-SVM的刀具磨损状态预测方法.采用小波变换的方法对采集到的多传感器信号进行去噪处理,提高数据的质量,针对传统粒子群算法在参数选择上的不足,提出一种改进的粒子群算法优化支持向量机参数,通过仿真验证改进的PSO-SVM模型的有效性,并将其与基本的PSO-SVM、GA-SVM两种模型进行对比分析.结果表明,改进的PSO-SVM模型在预测刀具磨损状态方面的准确度明显提升,可以对刀具磨损状态进行有效识别.