基于支持向量机和遗传算法的刀具故障诊断.pdf

《基于支持向量机和遗传算法的刀具故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第1期组合机床与自动化加工技术NO．12013年1月ModularMachineTool&AutomaticManufacturingTechniqueJan．2013文章编号：1001—2265(2013)01—0074—03基于支持向量机和遗传算法的刀具故障诊断王姣，刘海燕(大连交通大学软件学院，辽宁大连116028)摘要：提出了把支持向量机和遗传算法结合起来，应用于数控机床的刀具故障监测。应用支持向量机的分类步骤，能够有效地解决小样本问题。利用遗传算法对支持向量机所用核函数的参数进行优化，以致在较短的时间内找到全局最优解。这两

2、种方法的结合是数控机床的刀具诊断的行之有效的方法。关键词：支持向量机；遗传算法；核函数；斜率指数模型；刀具故障诊断中图分类号：TH122；TP274．2文献标识码：ASupportVectorMachineandGeneticAlgorithm-basedToolFailureDiagnosisWANGJiao，LIUHai—yan(SoftwareTechnologyInstituteofDalianJiaotongUniversity，DalianLiaoning116028，China)Abstract：SVMandGAcom

3、bined，appliedtoaCNCmachinetoolfailuremonitoring．TheapplicationofSVMclassificationprocedure，aneffectivesolutiontothesmallsamplesizeproblem．KernelfunctionparameterstooptimizetheuseofSVMusinggeneticalgorithmstofindtheglobaloptimalsolution，resul—tinginashorterperiodoftime．

4、Thecombinationofthesetwomethodsisaneffectivemethodofdiagno—sisbytheCNCmachinetoo1．Keywords：SVM；GA；kernelfunction；SEM；toolfaultdiagnosis(1)按照一定的准则和诊断策略对前期提取出0引言的能够准确表达设备状态的信息，进行训练。随着集成制造技术的不断进步，数控机床也逐(2)输出分类结果。渐向高智能、高速度、多功能、网络化的方向发展。(3)根据分类的结果确定设备的状态。分类问同时，在数控机床中刀具的故障也逐

5、渐成为生产过题求解时，需要选择不同的映射核函数，相似性和相程中的瓶颈之～。似程度的评价标准就不同现在常用的核函数有：支持向量机的机器学习方法通过结构风险最小多项式核函数：化归纳原理来控制学习单元的VC维上界，同时，支K(，)=[(·)+C](1)持向量机能够有效解决例如小样本，非线性和高效其中C≥0，d为任意正数。模式识别的实际问题。支持向量机还具有神经网络Gauss径向基核函数：无法比拟的优点，网络结构和神经网络相比较容易K(，)：exp(一≠1(2)确定，收敛速度相对较快，并且训练时不需要大量数＼l据，而遗传算法也同时具有很多优

6、点。，该方法以Sigmoid核函数：生物进化为原型，具有很好的收敛性，在有计算精度(，)=tanh((·)+13)(3)要求时，计算时间少，鲁棒性高。所以，适合应用于其中O／>0，>0。参数的选择和优化。实验结果表明，两种方法结在样本较小的情况下，SVM能够由得到有效的合对于故障诊断切实有效，为刀具故障的诊断提供分类结果。SVM的状态识别系统就是类似于一个黑了一种新的方法匣子的模型，所以在应用的过程中往往不必关心该模型内部的具体结构是怎么样的，因此我们只需要1支持向量机状态识别算法及核函数关注输出和输入。同时，输出和输入之间的映射结

7、构支持向量机的原理就是通过核函数将需要输入是由支持向量机算法完成的。的向量映射到一个高维特征间，接着选择分类决策2遗传算法与数学建模函数，然后在新的高维特征空间中构造最优分类面。最终得到分类结果。基于支持向量机的状态2．1遗传算法的基本原理识别步骤如下：遗传算法从代表问题可能潜在的解集的一个种收稿日期：2012—06—01；修回日期：2012—06—28作者简介：王姣(197O一)，女，辽宁大连人，大连交通大学软学院副教授，硕士，主要研究领域为机电一体化控制，嵌入式系统，(E—mail)winggel@163coin。2013年1月

8、王姣，等：基于支持向量机和遗传算法的刀具故障诊断-75·群出发，然而，一个种群是由经过基因编码的一定数0．005，0．01，0．10，0．25然后根据实验结果判断在C目的个体组成。每个个体实际上是染色体带有特征和取何值时实验效果是最佳