ET-GD与K近邻相结合的刀具磨损监测方法

摘要：

针对铣削过程中刀具磨损量监测问题,提出一种基于极端随机树和高斯分布,与K近邻相结合的刀具磨损监测方法.该方法选用截断法和hampel滤波法剔除力、振动和声发射信号中的异常值和奇异点.其次通过极端随机树和高斯分布的偏离情况对特征集进行优选,降低数据矩阵的复杂性.分别对比分析了两次优选前后三种K近邻模型的拟合度和评估度量.利用优选后的特征对逻辑回归、极端随机树、支持向量回归和K近邻算法模型进行训练,并利用十折交叉验证法和测试集进行验证.最终得出,基于极端随机树和高斯分布与K近邻的刀具磨损监测模型的拟合度达到99.17％,均方误差和平均绝对误差分别为 13.0688、1.8241.结果表明该方法能够实现对铣刀磨损的有效监测,从而提高工件加工质量.

关键词：极端随机树、高斯分布、特征选择、K近邻、刀具磨损监测

所属期刊栏目：28

分类号：TG714;TP181(刀具、磨料、磨具、夹具、模具和手工具)

资助基金：国家重点研发计划2019YFB1704800

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1-10