关键词:
刀具磨损状态识别
SVM分类器
特征优化
特征提取
冗余度
核参数
特征向量
鲸鱼算法
摘要:
为了提高对刀具磨损状态识别的精度,提升识别效率,针对铣刀的磨损状态提出一种基于鲸鱼算法(Whale Optimization Algorithm, WOA)与支持向量机(Support Vector Machine, SVM)的刀具磨损状态识别模型。本文首先对采集到的刀具磨损信号进行预处理,并进行多域信号分析,进行特征提取;其次,利用主成分分析(PCA)对特征向量进行优化选择,得到冗余度低的特征向量;然后利用WOA优化SVM的参数,惩罚参数 与核参数;最后利用优化好的WOA-SVM分类器实现刀具磨损状态的识别。通过实验对比分析,相比于SVM、PSO-SVM模型,WOA-SVM模型准确率最高,达到97.89%,且参数优化时间也比PSO-SVM模型缩短了47.35%,从两个方面验证了WOA-SVM模型的优越性。