-
题名基于机器学习的刀具磨损状态智能预测方法研究
- 1
-
-
作者
梁璐娜
魏建安
袁雅阁
吴国阳
徐军
-
机构
贵州大学机械工程学院
-
出处
《机电工程技术》
2024年第2期29-34,123,共7页
-
基金
贵州省科技支撑计划(黔科合支撑[2023]一般433)
贵州大学自然科学专项(特岗)科研基金项目(贵大特岗合字(2022)40号)。
-
文摘
以刀具为研究载体,运用人工智能和智能优化等先进技术,成功实现了刀具磨损状态的智能预测。研究重点在于建立有效的刀具磨损状态预测方法,全面解析刀具磨损机理、形式及磨钝标准等关键信息。同时,构建了自采刀具磨损状态监测平台,以便收集并处理相关数据。在数据处理过程中,采用小波滤噪和EMD-Shannon能量熵进行特征筛选,构建出特征空间数据集,为后续构建预测模型提供坚实的数据基础。结合支持向量机分类算法和智能优化算法,构建出刀具磨损状态的智能预测框架。此框架不仅提高了预测精度,也为维护人员提供了强有力的工具,利于更好地进行刀具磨损状态的预测和维护工作。为增强实际应用价值,将所取得的成果整合至基于MATLAB GUI的刀具磨损状态智能监测原型系统,以图形界面方式呈现预测结果,使用户直观地了解和掌握刀具的磨损状态。结果表明,该方法具有高精度,刀具磨损状态的识别精度可达84%,为相关领域提供了可靠的技术支持。
-
关键词
刀具磨损
智能监测系统
特征选择
智能优化算法
支持向量机
-
Keywords
tool wear
intelligent monitoring system
feature selection
intelligent optimization algorithm
support vector machine
-
分类号
TH117
[机械工程—机械设计及理论]
-