[发明专利]一种铣刀的磨损预测方法及状态识别的方法

摘要

本发明公开了一种铣刀的磨损预测方法及状态识别的方法，该磨损预测方法包括如下步骤：首先，对铣削振动数据进行小波降噪处理，从时域、频域、时频域三个方面对振动信号进行特征提取，得到初始特征向量集后引用相关系数法计算特征向量与磨损量之间相关关系并筛选得到最优特征向量集；然后，将最小二乘支持向量机预测的平均相对误差定义为自适应步长布谷鸟搜索算法的适应度函数，通过搜索鸟巢位置使最小二乘支持向量机输入参数达到最优。最后，并利用最优的最小二乘支持向量机对磨损量进行预测。本发明通过与其他两种混合智能算法进行对比，验证了ASCS‑LSSVR算法的优越性。

主权项

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。