科研之友
微信
新浪微博
Facebook
分享链接
摘要
刀具状态的准确监测对于提高切削加工质量和加工效率至关重要。在当前广泛用于刀具磨损状态监测的间接法中，多以单步或短期预测为主，没有实现多步预测，且累积误差较大。高斯过程是间接法中应用较多的一种机器学习方法，然而传统的高斯过程回归由于模型结构和算法的限制，对刀具磨损预测的精度不高。针对上述不足，提出了改进的自回归递归高斯过程模型对刀具磨损进行多步预测。为了减小预测累积误差，在模型训练中应用了改进的模型更新方式、组合核函数，对样本设置了遗忘因子，在预测中加入了偏差校正方法。研究了各个改进因素对模型的影响并综合所有有利因素，实现了较准确的刀具磨损状态多步预测，在3个测试集上预测误差分别降低了85.68%,20.67%和63.32%。
-
单位中国科学院合肥物质科学研究院; 武汉科技大学; 自动化学院
