基于HHT和IPSO算法优化RBF神经网络的滚刀磨损状态识别方法

作者：李国龙; 李彪; 蒋林; 柯昊; 付扬

来源：吉林大学学报（工学版）, 2020, 50(06): 1998-2009.

DOI：10.13229/j.cnki.jdxbgxb20190695

• 滚刀磨损状态
• 希尔伯特黄变换
• 小波阈值去噪
• 改进粒子群算法
• RBF神经网络

针对滚齿加工工艺复杂滚刀磨损状态难以准确识别的难题,提出了一种结合希尔伯特黄变换(HHT)和改进粒子群算法优化的RBF神经网络(IPSO-RBF)识别滚刀磨损状态方法。首先,采集在全生命周期下滚刀加工的主轴Z向振动信号,并用小波阈值方法去除其高频噪声成分。其次,采用经验模态分解(EMD)将去噪后信号分解成若干个本征模态函数(IMF)分量,计算并筛选IMF分量的能量值及其边际谱能量值,构造滚刀磨损状态特征向量。然后,改进标准粒子群算法,再用其优化RBF神经网络。最后,将特征向量输入优化后的RBF神经网络进行训练,实现滚刀磨损状态的自动识别。实验结果表明,该方法能够有效识别滚刀的磨损状态,识别率可达98.75%。

• 单位
  重庆机床(集团)有限责任公司; 机械传动国家重点实验室; 重庆大学; 重庆机床（集团）有限责任公司