基于小波包和PSO优化神经网络的刀具状态监测 |
| |
作者单位: | ;1.西南交通大学机械工程学院 |
| |
摘 要: | 为改进BP神经网络进行刀具磨损状态识别时训练时间较长、收敛速度较慢、测试精度不够高、甚至完全不能训练等问题,引入一种全局搜索能力强,收敛速度快的算法——粒子群优化算法(PSO),用其来优化BP神经网络参数,改进网络的训练和识别性能。实验证明:经粒子群算法优化后的BP神经网络较原网络有更快的训练迭代收敛速度和更高的测试准确度,达到优化的目标,对实现数控刀具磨损状态的智能化在线监测具有重要意义。
|
关 键 词: | BP神经网络 磨损状态识别 PSO 优化 |
Study on monitoring of cutting tool conditions with optimized BP neural networks based on wavelet packets and PSO algorithm |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|