基于MIC和改进Bagging-GPR的刀具磨损预测

来源：计算机集成制造系统杂志2023年第5期北京时间：

作者：钟奇憬, 黎宇嘉, 陈勇辉, 吴镇均, 廖小平, 马俊燕, 鲁娟

单位：1.广西大学机械工程学院2.北部湾大学机械与船舶海洋工程学院

摘要：为实现刀具磨损的准确预测,对加工过程的换刀和参数优化提供指导,提出一种基于最大信息系数(MIC)和改进的Bagging集成高斯过程回归(Bagging-GPR)的刀具磨损预测方法,建立切削力信号与刀具磨损间的非线性映射关系。采集加工的切削力信号,运用时域、小波包分解和经验模态分解提取切削力信号特征,并利用MIC分析特征与刀具磨损的相关度来实现特征选择,避免预测模型的“维数灾难”。为提高预测模型的精度,考虑高斯子模型内部核函数的差异性及准确性,利用Bagging对高斯核函数进行随机组合,作为各子模型的核函数,构建改进的Bagging-GPR模型实现刀具磨损值预测,并基于铣削实验数据验证了所提方法的有效性和优异性。

关键词：刀具磨损预测,特征选择,最大信息系数,集成学习,高斯过程回归

基金资助：国家自然科学基金资助项目(52165062,51665005);广西自然科学基金重点资助项目(2020JJD160004);广西自然科学基金青年基金资助项目(2019JJB160048);广西高校中青年教师科研基础能力提升资助项目(2020KY10014)。