基于参数策略的改进粒子群优化PNN神经网络刀具磨损研究

来源：机床与液压杂志2021年第3期北京时间：

作者：李健，樊妍，何斌

单位：陕西科技大学电子信息与人工智能学院；陕西科技大学电子信息与人工智能学院；同济大学电子与信息工程学院

摘要：刀具磨损直接影响工件加工质量和尺寸精度，正确掌握刀具磨损状态及时换刀，减少机床停机时间，将直接提高加工效率。为提高刀具磨损状态识别准确率，提出一种基于参数策略的改进粒子群优化PNN（IPSO-PNN）神经网络识别刀具的磨损状态。相较于BP神经网络收敛速度慢、易陷入局部最优的缺点，IPSO-PNN神经网络结构简单、训练简洁快速。与BP神经网络和标准PNN神经网络仿真结果对比，结果表明：IPSO-PNN神经网络识别准确率高，收敛速度快，仿真耗时短，能有效提高刀具磨损识别准确率。

关键词：刀具磨损;状态识别;IPSO-PNN神经网络;BP神经网络

基金资助：国家自然科学基金项目（61825303）