共查询到20条相似文献,搜索用时 265 毫秒
1.
针对SVM预测刀具磨损量存在的参数不易确定的问题,提出了新的基于粒子群优化SVM的智能预测方法。在介绍粒子群算法和SVM回归模型基本理论的基础上,提出用自适应粒子群优化算法优化SVM参数的策略,采用小波包方法对切削声信号进行分解处理,建立了基于粒子群优化SVM的刀具磨损量预测模型。试验分析的仿真结果表明,所建立的刀具磨损量智能预测模型具有较强的推广能力和较高的预测精度。 相似文献
2.
3.
为了提高车刀磨损量预测模型的训练速度和在线预测精度,提出了一种基于改进粒子群算法(Improved Particle Swarm Optimization,IPSO)和极限学习机(Extreme Learning Machine,ELM)的刀具磨损量预测方法。采集车削加工中的声发射信号,利用小波包变换理论对信号进行降噪和特征提取,并通过主成分分析对提取的特征进行降维,选取其中对刀具磨损量敏感的特征值组成特征向量。建立基于极限学习机的刀具磨损量预测模型,并通过改进粒子群算法优化模型中的初始权值和阈值。实验结果表明:优化后的刀具磨损量预测模型相比于传统BP神经网络有更快的训练速度,同时改进后的粒子群算法有更好的寻优能力,提高了模型对于刀具磨损量的预测精度。 相似文献
4.
5.
针对铣削过程中刀具磨损或破损导致切削力波动剧烈,进而使得铣削过程控制难的问题,需要建立考虑刀?屑间的摩擦特性进行切削力精确微元建模。由于常数表示摩擦因数无法全面地描述铣削过程中的摩擦特性,因此以硬质合金立铣刀铣削Cr12MoV淬硬钢过程为研究对象,根据前刀面温度分布和刀?屑间相对滑移速度建立摩擦因数的经验模型。在考虑材料硬度和刀具后刀面磨损的基础上建立第1剪切区、第2剪切区和第3剪切区受力预测模型,并通过离散微元法建立整体铣削力预测模型。仿真结果与铣削实验测得的结果有很好的一致性,验证了所建立模型具有较高的预测精度,进一步证明了随着后刀面磨损宽度的增加,铣削力随之增大。该结果为Cr12MoV淬硬钢铣削加工加工参数优化提供了理论支持。 相似文献
6.
使用PCBN(聚晶立方氮化硼)刀具对不同硬度淬火模具钢Cr12MoV进行强断续车削试验。基于正交设计法,运用Minitab16统计软件对数据进行极差分析,得出工件硬度及切削参数对表面粗糙度的影响程度,实现切削参数的优选;应用多元回归分析法建立表面粗糙度的线性预测模型和指数预测模型,并对这两种模型进行比较。结果表明:影响表面粗糙度值的主次关系是工件硬度、切削速度、背吃刀量、进给量;线性预测模型平均误差不超过7%,能很好地对表面粗糙度进行预测。 相似文献
7.
8.
9.
10.
11.
针对不同走刀路径下的复杂曲面加工过程进行球头铣刀铣削Cr12MoV加工复杂曲面研究,分析不同走刀路径下铣削力和刀具磨损的变化趋势。试验结果表明:通过对比分析直线铣削和曲面铣削过程中的最大未变形切屑厚度,可以得出单周期内曲面铣削的力大于直线铣削过程的力,铣削相同铣削层时环形走刀测得的切削力普遍大于往复走刀测得的切削力;以最小刀具磨损为优化目标,运用方差分析法分析得出不同走刀路径的影响刀具磨损的主次因素,同时利用残差分析方法建立球头铣刀加工复杂曲面刀具磨损预测模型,并通过试验进行验证。 相似文献
12.
为实现在正常生产条件下进行刀具磨损的长期在线监测,提出了基于主轴电流信号和粒子群优化支持向量机模型(PSO-SVM)的刀具磨损状态间接监测方法.首先对数控机床主轴电机电流信号进行分析,将与刀具磨损相关的主轴电流信号多个特征参数和EMD能量熵进行特征融合作为输入特征向量;其次,通过粒子群寻优算法(PSO)对支持向量机模型... 相似文献
13.
14.
传统旋转间隙关节接触模型假定销轴和衬套接触面形状是规则的并忽略了磨损效应的影响,降低了机构动力学模型预测精度。提出了一种含非规则粗糙间隙表面铰链关节的平面柔性多连杆机构多体动力学建模、磨损预测和动态误差分析方法。为准确描述运动副元素间碰撞行为,考虑滑动轴承间隙关节的磨损效应,提出了一种非规则粗糙间隙表面铰链关节的改进接触模型。在此基础上,考虑柔性杆的影响,基于绝对节点坐标法建立了含非规则粗糙间隙表面铰链关节的平面柔性多连杆传动系统多体动力学模型。与基于传统光滑间隙模型的结果相比,基于非规则粗糙间隙改进模型的多连杆机构动态响应更接近于试验值,验证了所提出计算方法的有效性。仿真结果表明,选用CuSn10P和CuPb30作为铰链衬套材料能够有效降低多连杆机构滑块动态响应偏差和提高机构的运动精度;表面粗糙度过高会导致运动副磨损加剧,过低则会降低间隙表面微凸体对碰撞能量的吸收。此外,磨损加剧了间隙表面轮廓不规则度,导致机构动态响应的不稳定性增大,运动精度降低。 相似文献
15.
针对变压器油击穿电压在线测量困难,数据噪声和孤立点影响支持向量机预测精度的问题,提出了基于相对变换(RT)主元分析(PCA)的变压器油击穿电压预测方法。首先,通过相对变换将原始数据空间变换到相对空间,抑制噪声和孤立点对模型精度的影响;然后在相对空间进行主元分析,降低相对空间维数,使提取的主元特征更具有代表性和更大的变化度;最后,将提取的主元作为最小二乘支持向量机(LSSVM)的输入,建立变压器油击穿电压的最小二乘支持向量机预测模型。与LSSVM、RT-LSSVM和PCA-LSSVM的对比实验结果表明,本文提出的方法具有较优的预测精度和泛化能力。 相似文献
16.
17.
基于KPCA-LSSVM的硅锰合金熔炼过程炉渣碱度预测研究 总被引:1,自引:0,他引:1
针对硅锰合金熔炼过程中炉渣碱度在线检测困难、离线化验滞后大,难以实现实时控制的问题,提出了一种基于核主元分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法。该方法通过KPCA去除样本数据的噪声,提取输入数据空间中的非线性主元,然后利用LSSVM回归算法建立硅锰合金熔炼炉炉渣碱度预测模型,工业生产过程数据仿真结果表明,与SVM或LSSVM建模方法相比,KPCA-LSSVM预测模型的测量精度高、跟踪性能好,能满足炉渣碱度的在线测量要求。 相似文献
18.
19.
SCR脱硝反应器入口NO_x含量及时、准确地测量,对于精确调节喷氨量,控制NO_x排放至关重要。针对NO_x气体分析仪测量滞后的问题,提出了基于KPCA和LSSVM的软测量模型。根据某电厂采集的数据样本规模较大的情况,为了提高NO_x软测量模型的精度,该文首先进行基于相似度函数的样本优选,减少样本冗余信息,简化样本模型。然后对于选取的与反应器入口NO_x有关的18个辅助变量进行核主元分析(KPCA),对样本进行特征提取,降低样本维数,以此作为最小二乘支持向量机(LSSVM)软测量模型的输入,提高软测量模型的精度,对反应器入口NO_x含量的实时、准确测量提供一定的理论依据,为提高反应器脱硝效率打下良好基础。 相似文献
20.
以面铣刀刀片磨损为研究对象,结合类神经网络系统建构高速数控铣削加工的预测模型。以加工参数为模型输入条件,刀腹磨耗为输出条件。采用多因素试验方法,选择切削速度、进给速度、切削深度三个试验参数,利用直交表式的试验计划法设计试验点。依照试验点铣削工件后再测量刀具加工后的刀腹磨耗量,进而求得倒传递网络所需的36组训练范例与11组验证数据。刀腹磨耗预测模式是利用类神经网络中的倒传递网络原理,以田口法求得倒传递网络参数的最优值。试验结果显示,刀腹磨耗随着切削速度、进给速度、切削深度增加而上升。铣削模具钢后,刀具磨耗预测值的平均误差为4.72%,最大误差为11.43%,最小误差为0.31%。整体而言,类神经网络对于铣削加工可进行有效预测。 相似文献