基于传感器信号融合和PSO-LSSVR的刀具磨损预测研究

摘要：

最小二乘支持向量回归模型能有效地构建特征与刀具实时磨损间映射关系,但受限于自身参数的复杂性,无法获得最优模型性能,同时由于单个传感器的局限性,难以全面反映刀具磨损的多维信息.为进一步提升刀具磨损预测精度,提出一种基于多传感器信号融合并利用粒子群算法优化参数的最小二乘支持向量回归模型的刀具预测方法.通过对采集的传感器信号进行小波降噪,提取可用于反映刀具磨损的多域特征,并通过核主成分分析法对多域特征进行降维融合,采用经过粒子群算法优化参数的最小二乘支持向量回归模型构建融合后特征与刀具磨损的映射关系.通过公开数据集进行的实验,表明该模型具有较高的预测精度,验证了所提出预测方法的有效性.

关键词：刀具磨损;传感器;信号监测;粒子群优化;LSSVR模型

所属期刊栏目：59

分类号：TG701(刀具、磨料、磨具、夹具、模具和手工具)

在线出版日期：2021-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：98-103