基于EG-SSMA-DELM的数控铣床刀具RUL预测研究

作者：张天骁,谷艳玲,安文杰. 日期：2023-10-30/span> 浏览：1092 查看PDF文档

摘要:在工件的加工过程中,刀具失效会造成工件报废和关键部件损坏等问题,为此,提出了一种基于精英反向学习与黄金正弦优化黏菌算法结合深度极限学习机(EG-SSMA-DELM)的刀具磨损剩余寿命预测模型。首先,在黏菌算法(SMA)中,采用精英反向学习(EOBL)与黄金正弦(GSA)算法优化初始黏菌种群,提高了初始种群的多样性,改进了初始SMA搜索个体位置的更新方式,提高了算法的收敛速度与全局搜索能力,得到了最优参数;然后,利用改进的SMA算法,对深度极限学习机(DELM)中编码器的偏置与输入权重进行了联合优化,定义了不同数量的隐藏层神经元,利用ReLU激活函数对DELM的参数进行了理想排列;最后,根据最优参数,将投影特征输入DELM中进行了训练和预测,从而对刀具进行了剩余使用寿命预测。研究结果表明:相比于经典的深度极限学习机方法,EG-SSMA-DELM方法的均方根误差(RMSE)平均下降了19.60%,预测精度提高了16.00%;与其他深度学习算法相比,该算法模型具有更好的可行性、单调性和更强的鲁棒性。该算法模型对实际工程刀具磨损剩余寿命研究有一定的应用价值。

关键词:剩余使用寿命;刀具寿命预测;精英反向学习;黄金正弦算法;黏菌算法;深度极限学习机

中图分类号:TH17;TH117;TG714文献标识码:A文章编号:1001-4551(2023)09-1464-07


本文引用格式:

张天骁,谷艳玲,安文杰.基于EG-SSMA-DELM的数控铣床刀具RUL预测研究［J］.机电工程,2023,40(9):1464-1470.

ZHANG Tianxiao, GU Yanling, AN Wenjie. RUL prediction based on EG-SSMA-DELM milling machine tool［J］.Journal of Mechanical & Electrical Engineering, 2023,40(9):1464-1470.