基于深度学习与特征后处理的支持向量机铣刀磨损预测模型

来源：计算机集成制造系统杂志2020年第9期北京时间：

作者：戴稳,张超勇,孟磊磊,李晋航,肖鹏飞

单位：1.华中科技大学数字制造装备与技术国家重点实验室2.中国东方电气集团有限公司中央研究院3.聊城大学计算机学院

摘要：为提高机械加工过程中的刀具磨损预测精度,建立了一种基于深度学习特征降维及特征后处理的布谷鸟优化参数的最小二乘支持向量机预测模型。该模型利用堆叠稀疏自动编码网络将时域、频域及时频域3方面提取的特征向量进行降维处理,然后利用特征后处理确保降维向量单调不递减及平滑趋势,最后采用自适应步长布谷鸟算法优化参数的最小二乘支持向量机模型预测铣刀磨损量。通过试验测试比较所提方法与其他预测方法,表明了所提模型能更有效表征铣刀磨损量,大幅降低预测误差。

关键词：刀具磨损,自动编码器,特征提取,特征后处理,布谷鸟搜索算法,最小二乘支持向量机回归算法

基金资助：国家自然科学基金面上资助项目(51575211,51805330,51705263);国家自然科学基金国际(地区)合作与交流资助项目(51561125002);吉林省自然科学基金资助项目(20180101058JC)。