论文部分内容阅读
刀具磨损状态的在线监测在缩减生产成本，增强产品制造质量和提高生产率方面意义重大。为了在建立刀具状态预测模型过程中，自适应设置模型参数和滑动时间窗长度并动态更新监测模型，在训练样本数量有限条件下提高建模拟合精度和效率，采用机器学习的原理，设计了一种动态加速粒子群优化算法(DACPSO)优化参数的自适应动态无偏最小二乘支持向量机(ADNLSSVM)建立刀具磨损模型的新方法。以公开数据库铣削加工部分数据集作为研究对象，提取和选择与预测磨损量有效特征量，验证模型精度。实验结果验证了该方法在刀具磨损预测方面的准确性和有效性。