典型文献
基于IPSO优化LS-SVM的铣削刀具磨损状态监测方法研究
文献摘要：
刀具是机械加工中的重要组成部分,刀具磨损会影响加工精度和加工效率,准确掌握加工时刀具磨损状态至关重要,提出了一种改进粒子群优化(improved particle swarm optimization,IPSO)算法优化最小二乘支持向量机(least square support vector machine,LS-SVM)的刀具磨损状态监测方法.采集铣削时的切削力信号,分别利用经验模态分解(empirical mode decomposition,EMD)和主成分分析(principal component analysis,PCA)法进行特征提取和降维,IPSO 算法改进了粒子速度、位置的更新策略和权重搜索方法,IPSO算法通过计算适应度函数对LS-SVM识别模型的惩罚因子和核参数迭代寻优.结果表明,降维后的特征可分性较强,IPSO算法寻优能力强于传统PSO和LdPSO算法,将降维后的特征当作IPSO-LS-SVM模型的输入,模型的识别精度和效率优于PSO和LdPSO优化的LS-SVM模型.
文献关键词：
刀具磨损状态;经验模态分解(EMD);特征降维;改进粒子群;最小二乘支持向量机(LS-SVM)
中图分类号：
作者姓名：
聂鹏;马尧;郭勇翼;李正强;单春富
作者机构：
沈阳航空航天大学 机电工程学院,沈阳 110136;沈阳百祥机械加工有限公司,沈阳 110034
文献出处：
引用格式：
[1]聂鹏;马尧;郭勇翼;李正强;单春富-.基于IPSO优化LS-SVM的铣削刀具磨损状态监测方法研究)[J].振动与冲击,2022(22):137-143
A类：
LdPSO
B类：
IPSO,LS,铣削,刀具磨损状态监测,监测方法,机械加工,加工精度,加工效率,工时,改进粒子群优化,improved,particle,swarm,optimization,算法优化,最小二乘支持向量机,least,square,support,vector,machine,切削力信号,经验模态分解,empirical,mode,decomposition,EMD,principal,component,analysis,算法改进,粒子速度,更新策略,搜索方法,适应度函数,识别模型,惩罚因子,核参数,参数迭代,迭代寻优,可分性,算法寻优,寻优能力,识别精度,特征降维
AB值：
0.334096
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
