基于IPSO优化LS-SVM的铣削刀具磨损状态监测方法研究

作者：聂鹏; 马尧^*; 郭勇翼; 李正强; 单春富

来源：振动与冲击, 2022, 41(22): 137-143.

DOI：10.13465/j.cnki.jvs.2022.22.017

• 刀具磨损状态
• 经验模态分解(EMD)
• 特征降维
• 改进粒子群
• 最小二乘支持向量机(LS-SVM)

刀具是机械加工中的重要组成部分，刀具磨损会影响加工精度和加工效率，准确掌握加工时刀具磨损状态至关重要，提出了一种改进粒子群优化(improved particle swarm optimization, IPSO)算法优化最小二乘支持向量机(least square support vector machine, LS-SVM)的刀具磨损状态监测方法。采集铣削时的切削力信号，分别利用经验模态分解(empirical mode decomposition, EMD)和主成分分析(principal component analysis, PCA)法进行特征提取和降维，IPSO算法改进了粒子速度、位置的更新策略和权重搜索方法，IPSO算法通过计算适应度函数对LS-SVM识别模型的惩罚因子和核参数迭代寻优。结果表明，降维后的特征可分性较强，IPSO算法寻优能力强于传统PSO和LdPSO算法，将降维后的特征当作IPSO-LS-SVM模型的输入，模型的识别精度和效率优于PSO和LdPSO优化的LS-SVM模型。

• 单位
  机电工程学院; 沈阳航空航天大学