首页|鱼群优化BP神经网络的刀具磨损状态识别

鱼群优化BP神经网络的刀具磨损状态识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Tool Wear Recognition Based on AFAS Optimized BP Neural Network

Tool WearArtificial Fish Swarm AlgorithmNeural NetworkState Recognition

王焕棋、李海伟、聂鹏、马尧

展开 >

沈阳航空航天大学机电工程学院,辽宁 沈阳 110136

沈阳飞机工业(集团)有限公司,辽宁 沈阳 110136

刀具磨损 人工鱼群算法 神经网络 状态识别

辽宁省自然科学基金

201602564

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
年,卷(期)：2023.392(10)
  • 10