[发明专利]基于局部线性嵌入法的微铣削刀具磨损状态监测方法

权利要求书

1.基于局部线性嵌入法的微铣削刀具磨损状态监测方法，其特征在于：按照以下步骤操作：

采集立铣切削过程中的加速度信号：X＝[x(1)，x(2)，...，x(n)]，n表示信号长度；

将切削状态下的信号进行频域分析，并提取频域信号特征量；

将频域特征量进行特征空间化简；

通过化简后的特征空间训练神经网络进行分类；

通过训练后的神经网络分类不同微铣刀磨损状态特征信号测试数据，得到BP神经网络分类误差以及BP神经网络分类识别精度。

2.根据权利要求1所述的基于局部线性嵌入法的微铣削刀具磨损状态监测方法，其特征在于：频域特征量特征空间化简过程中，利用局部线性嵌入法进行降维约简操作，获得相关性较好的3个频域特征量。

3.根据权利要求2所述的基于局部线性嵌入法的微铣削刀具磨损状态监测方法，其特征在于：设高维数据集X＝{x₁，…，x_n}，x_i∈R^D，降维后的低维坐标Y＝{y₁，…，y_N}，y_i∈R^d，d＜D，利用局部线性嵌入法进行降维约简操作的步骤如下：

将相对于所求样本点距离最近的k个样本点定义为所求样本点的k个近邻点；

计算样本点的局部重建权值矩阵W，最小化代价函数ε(W)：

式中，W_ij表示样本点x_i同近邻点x_j之间的重构权值。其中满足以下条件：若x_j是x_i的近邻点，则否则W_ij＝0；

将所有的样本点映射到低维空间中，映射满足以下条件：

式中，y_i是x_i的低维映射矢量；y_j是x_i的近邻x_j的低维映射矢量；满足以及其中I表示n阶单位矩阵。利用拉格朗日法，上述问题可以转化为方程：MY＝λY，式中M＝(1-W)^T(1-W)是一个N×N的对称稀疏矩阵。

4.根据权利要求1所述的基于局部线性嵌入法的微铣削刀具磨损状态监测方法，其特征在于：通过化简后的特征空间训练神经网络进行分类的具体方法是：

根据刀具磨损信号特点确定BP神经网络的结构为3-4-4；

利用灰狼优化算法初始化BP神经网络权值和阈值；

用训练数据训练BP神经网络，在训练过程中根据误差调整网络的权值和阈值；

用训练好的BP神经网络分类刀具磨损状态特征信号；

根据分类结果分析BP神经网络的分类能力。

5.根据权利要求4所述的基于局部线性嵌入法的微铣削刀具磨损状态监测方法，其特征在于：灰狼优化算法包括以下步骤：

灰狼算法参数初始化；

初始化灰狼的位置；

计算灰狼个体的适应度值；

根据适应度值的大小进行排序；

根据公式更新灰狼种群的位置；

更新参数；

判断是否达到最大迭代次数，若满足终止条件输出最优解，否则重新计算灰狼个体的适应度值。