EMD和BPNN-GA在微铣刀磨损预测中的应用

作者：王二化; 郭伟; 赵宇航; 刘颉

来源：机械设计与制造, 2022, (12): 137-146.

DOI：10.19356/j.cnki.1001-3997.2022.12.042

• 微铣刀
• 刀具磨损
• 经验模态分解
• BP神经网络
• 遗传算法

提高智能制造过程中微铣削刀具状态监测的精度和效率，提出了一种基于经验模态分解（Empirical Mode Decomposition,EMD）和BP神经网络-遗传算法（Back-Propagation Neural Networks-Genetic Algorithm,BPNN-GA）的微铣刀磨损预测方法。在此方法中，首先对微铣削振动信号进行EMD分解，提取各个IMF分量的均值、均方根、峭度、偏态作为微铣刀磨损特征。然后通过相关性分析选择与微铣刀磨损特征密切相关的特征，并选择相互之间相关度最小的几个特征作为微铣刀磨损特征，这样既保证了特征对于研究对象的灵敏度，又保证了特征之间的独立性，不会造成信息冗余。最后利用BPNN-GA模型进行特征分类，实现微铣刀磨损的预测。结果表明，本文提出的微铣刀磨损预测方法能够准确识别各种磨损状态，可以为其它刀具状态监测方法提供必要的理论基础和实践意义。

• 单位
  常州信息职业技术学院; 华中科技大学