科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高机械加工过程中小样本刀具磨损量监测的准确性，提出一种基于Pearson+GBDT特征提取的Tent-ASO-BP网络刀具磨损量预测模型。针对BP神经网络特征选择及参数选择难题，提出了基于Pearson+GBDT的双层过滤式特征筛选方式求取网络输入特征，并使用Tent混沌映射改进ASO对BP神经网络最优权值和阈值进行求解。实验验证，Tent混沌映射改善了ASO，避免ASO陷入局部极值和过早收敛，即通过交叉验证证明Tent-ASO优化BP神经网络训练模型精度较ASO高，同时验证了GBDT能够筛选出用于刀具磨损值映射的一组特征，且特征筛选能力要强于同类算法LightGBM、Catboost、决策树、随机森林。
- 单位
