机械设计与制造2023，Vol.392Issue(10) ：263-266,272.

鱼群优化BP神经网络的刀具磨损状态识别

Tool Wear Recognition Based on AFAS Optimized BP Neural Network

王焕棋 李海伟 聂鹏 马尧
机械设计与制造2023，Vol.392Issue(10) ：263-266,272.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

鱼群优化BP神经网络的刀具磨损状态识别

Tool Wear Recognition Based on AFAS Optimized BP Neural Network

王焕棋 1李海伟 2聂鹏 1马尧1
扫码查看

作者信息

  • 1. 沈阳航空航天大学机电工程学院,辽宁 沈阳 110136
  • 2. 沈阳飞机工业(集团)有限公司,辽宁 沈阳 110136
  • 折叠

摘要

针对BP神经网络模型在刀具监控中收敛速度慢容易出现局部极小化问题,提出一种基于鱼群算法(AFSA)的BP神经网络优化算法.采集振动钻孔的声发射(AE)信号,使用小波包算法对数据进行降噪和特征提取.使用鱼群优化算法(AFSA)对BP神经网络预测模型进行优化,使用优化后的模型对测试集数据进行模式识别,对比各模型识别精度.结果表明:使用鱼群优化后的算法(AF-BP)模型能够降低神经网络陷入局部极小化的情况,提高神经网络对刀具磨损的识别精度.

关键词

刀具磨损/人工鱼群算法/神经网络/状态识别

Key words

Tool Wear/Artificial Fish Swarm Algorithm/Neural Network/State Recognition

引用本文复制引用

基金项目

辽宁省自然科学基金(201602564)

出版年

2023
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
参考文献量10
段落导航相关论文