第9期 2016年9月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2016)09008503
DOI:10. 13462/j. cnki. mmtamt. 2016. 09. 024
No.9 Sep.2016
二进制PSO算法在刀具磨损状态识别中的应用
黄广奕，王杰，王玫，张玉嘉
（四川大学制造科学与工程学院，成都610065）
摘要：特征选择是刀具磨损状态识别的重要问题之一。文章以端面铣刀为研究对象，提出了一种基于二进制粒子群算法的铣削力信号特征优选方法。该算法采用相关准则给定适应度函数，以此计算粒子适应值。通过二进制编码方式，寻找全局最优解作为最优特征构成特征子集。最后将优选的铣削力信号特征子集输入到三层BP神经网络进行模式识别。实验结果表明，二进制粒子群算法优选
的铣削力信号特征子集可以提高刀具磨损状态识别精度和缩短识别时间。关键调：刀具磨损；特征提取；粒子群算法；相关性准则；模式识别
中图分类号：TH162;TC506
文献标识码：A
Application of BPSO in Tool Wear State Recognition HUANG Guang-yi, WANG Jie, WANG Mei,ZHANG Yu-jia
(School of Manufacturing Science & Engineering,Sichuan University,Chengdu 610065,China)
Abstract : Feature selection is one of the important problems in the cutting tool wear patterm recognition are a. Taking the face milling cutter as an object, a method based on BPSO is proposed to optimal feature selec-tion of milling force signal.The algorithm uses the relevance criterion to calculate the fitness value with the fitness function, and searches the optimal solution of the global optimal solution by the binary encoding mode.Finally,the optimal features subset is put into a three layer BP neural network for pattem recogni-tion.The experimental results show that the feature subset of the milling force signal selected by the BPSO
algorithmcan improvethetoolwearrecognitionaccuracyandshorten therecognitiontime Key words: tool wear;feature selection;PSO;relevance criterion; pattem recognition
0
引言
刀具磨损是影响切削加工质量、效率、生产安全的
重要因素，因此，刀具磨损监测技术成为机械制造自动化领域的重要研究课题12)。刀具磨损监测过程实际上是一个通过收集信号、进行信号分析处理、提取特征、特征选择和模式识别的过程。由于原始信号特征维数较高，并且存在较多完余，一方面会降低刀具磨损识别精度，另一方面则大大增加后续识别算法学习及训练的复杂度，影响识别效率。为此，研究信号特征与力具磨损状态之间的关系，去除穴余，选择有用特征，获得最优特征子集是必要的。能否提取最优特征子集，决定刀具磨损监测系统性能的好坏[3]
国内外研究人员对特征选择方法做了大量研究 K.V.hlardial4)等人证明正交线性协方差从原始数据中提取优选特征是有效的。马建峰(3}等人提出了一种基于模式可分性测度的特征优选方法。朱名锂(6]等人根据特征的灰色关联度大小顺序选择特征。本文选取铣前力作为刀具磨损监测信号，通过二进制粒子群算法对铣削力信号特征进行优选，去除与刀具磨损状态识别无关的特征以及彼此相关性较强的特征，从而
得到最优特征子集，并应用BP神经网络对刀具磨损量进行监测。
基于二进制PSO算法的特征选择 1.1粒子群算法
粒子群优化算法是由Eberhart和Kennedy于1995 年提出的种全局搜索算法5)。由W个粒子组成群体，在D维搜索空降中，粒子以一定速度V，按照某种规则飞行。每个粒子结合自身的经验和整体的经验，调整自身飞行速度和所在位置，不断向最优位置靠找。粒子i(i=1,2,3,4,.,N)的位置用D维向量x:= Xa,XXo,..,X]表示,V,=[Va,V,,V,,.., V表示粒子i的飞行速度，决定其运动方向和速率。粒子自身历史最优位置向量记为P;=[Pa，Pa,Pa，，P]，群体最优位置记为P=[P.，Pg，Pa，.，P]。在选代过程中，对每个粒子i的第d维的速度和位置分别按以下公式进行更新[]：
Vu = @ ×Pu + c,r,(Pu =Xu) + Czr,(Pg Xu)
(1)
Xia = Xa + Var ;
(2)
在公式(1)中，@是惯量权重;c，和c2是加速度系
收稿日期：2015-11-12
作者简介：黄广奕（1990—），男，广东河源人，四川大学硕士研究生，研究方向为机械制造及自动化，（E-mail)）hgychengdu@163.com。万方数据