[发明专利]一种铣刀的磨损预测方法及状态识别的方法

权利要求书

1.一种铣刀的磨损预测方法，其特征在于，包括如下步骤：

步骤1：根据初始特征向量集与磨损量之间的相关系数，从初始特征向量集中提取最优特征向量集；

步骤2：以惩罚因子和径向基核函数宽度系数的平方量作为鸟窝位置变量，先以自适应步长更新方式对鸟窝位置变量进行更新，然后使用偏好随机游动行为对鸟窝位置变量再次进行更新；以铣削振动数据中不同走刀次数下实测磨损量和对应预测磨损量之间误差均值作为适应度函数，进行布谷鸟搜索，以此获得最优惩罚因子和最优径向基核函数宽度系数的平方量；

步骤3：根据最优惩罚因子、最优径向基核函数宽度系数的平方量以及以走刀过程中最优特征向量集进行最小二乘支持向量机预测获得铣刀的磨损量；

其中，不同走刀次数下对应预测磨损量根据以不同走刀次数下最优特征向量集和鸟窝位置变量进行最小二乘支持向量机预测获得；初始特征向量集中元素通过对提取铣刀振动数据时域特征、频域特征以及时频域特征获得。

2.如权利要求1所述的磨损预测方法，其特征在于，步骤2中布谷鸟搜索包括如下步骤：

步骤21：确定鸟窝的第一代位置、鸟窝数量、迭代总次数以及收敛精度；

步骤22：对第i个鸟窝在第t代第二次更新的位置以自适应步长更新方式更新鸟窝位置变量获得第i个鸟窝在第t+1代第一次更新的位置；

步骤23：对第i个鸟窝在第t+1代第一次更新的位置以偏好随机游动行为方式进行更新获得对第i个鸟窝在第t+1代第二次更新的位置；

步骤24：以不同走刀次数下最优特征向量集和第t+1代第二次更新的鸟窝位置进行最小二乘支持向量机预测获得第t+1代对应预测磨损量；将铣削振动数据中不同走刀次数下实测磨损量和第t+1代对应预测磨损量之间误差均值作为适应度函数，计算适应度函数值获得更新后的自适应度值，选取适应度函数最小的鸟窝位置作为支持向量机的参数输入值；

步骤25：判断更新后的最优适应度值是否小于上一代的最优适应度值若是，则将更新后的最优适应度值作为最优值，并进入步骤26；否则，进入步骤26；

步骤26：判断更新后的最优适应度值是否小于收敛精度，若是，将更新后的最优适应度值作为最优鸟窝位置输出，否则进入步骤27；

步骤27：判断迭代次数是否等于迭代总次数，若是，将更新后的最优适应度值作为最优鸟窝位置输出，否则，令t＝t+1，并进入步骤22；

其中，鸟窝第1代第二次更新的位置为鸟窝的第一代位置。

3.如权利要求2所述的磨损预测方法，其特征在于，根据公式对第i个鸟窝在第t代第二次更新的位置以自适应步长更新方式更新鸟窝位置变量获得第i个鸟窝在第t+1代第一次更新的位置；

其中，表示第i个鸟窝在第t代第二次更新的位置，step^t＝step^t-1×a+step_min，step_min为步长的最小值，step^t为第t代步长，a为步长变化系数，a＝exp(ξ×(N_iter/time)^p)，N_ier和time分别为当前迭代次数和迭代总次数，ξ为第一系数，p为第二系数。

4.如权利要求2或3所述的磨损预测方法，其特征在于，根据公式对第i个鸟窝在第t+1代第一次更新的位置以偏好随机游动行为方式进行更新获得对第i个鸟窝在第t+1代第二次更新的位置；

其中，为第r个鸟窝在第t+1代第一次更新的位置，为第s个鸟窝在第t+1代第一次更新的位置，为第i个鸟窝在第t+1代第一次更新的位置，rand为随机值，Pa为发现鸟巢的概率。

5.一种基于权利要求1所述的磨损预测方法的状态识别方法，其特征在于，包括如下步骤：

根据最优惩罚因子、最优径向基核函数宽度系数的平方量以及走刀过程最优特征向量集进行最小二乘支持向量机预测获得铣刀的磨损量；

根据铣刀的磨损量确定铣刀的磨损状态；其中，磨损状态分为初步磨损阶段，常规磨损阶段以及失效磨损阶段。