改进粒子群算法和ELM的刀具磨损量预测

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。