基于机器学习的刀具磨损状态智能预测方法研究.pdf

2024年02月机电工程技术Feb.2024

第53卷第02期MECHANICALELECTRICALENGINEERINGTECHNOLOGYVol.53No.02

DOI:10.3969/j.issn.1009-9492.2024.02.006

梁璐娜，魏建安，袁雅阁，等.基于机器学习的刀具磨损状态智能预测方法研究［J］.机电工程技术，2024，53（02）：29-34.

基于机器学习的刀具磨损状态智能预测方法研究*

梁璐娜，魏建安，袁雅阁，吴国阳，徐军

（贵州大学机械工程学院，贵阳550025）

摘要：以刀具为研究载体，运用人工智能和智能优化等先进技术，成功实现了刀具磨损状态的智能预测。研究重点在于建立

有效的刀具磨损状态预测方法，全面解析刀具磨损机理、形式及磨钝标准等关键信息。同时，构建了自采刀具磨损状态监测

平台，以便收集并处理相关数据。在数据处理过程中，采用小波滤噪和EMD-Shannon能量熵进行特征筛选，构建出特征空间数据

集，为后续构建预测模型提供坚实的数据基础。结合支持向量机分类算法和智能优化算法，构建出刀具磨损状态的智能预测框架。

此框架不仅提高了预测精度，也为维护人员提供了强有力的工具，利于更好地进行刀具磨损状态的预测和维护工作。为增强实际

应用价值，将所取得的成果整合至基于MATLABGUI的刀具磨损状态智能监测原型系统，以图形界面方式呈现预测结果，使用户

直观地了解和掌握刀具的磨损状态。结果表明，该方法具有高精度，刀具磨损状态的识别精度可达84%，为相关领域提供了可靠

的技术支持。

关键词：刀具磨损；智能监测系统；特征选择；智能优化算法；支持向量机

中图分类号：TH117文献标志码：A文章编号：1009-9492（2024）02-0029-06

ResearchonIntelligentPredictionMethodforToolWearStatusBasedon

MachineLearning

LiangLuna，WeiJian’an，YuanYage，WuGuoyang，XuJun

（SchoolofMechanicalEngineering,GuizhouUniversity,Guiyang550025,China）

Abstract:Theintelligentpredictionoftoolwearstateissuccessfullyrealizedbytakingthetoolastheresearchcarrierandapplyingadvanced

technologiessuchasartificialintelligenceandintelligentoptimization.Theresearchfocusesontheestablishmentofaneffectivetoolwearstate

predictionmethod,whichcomprehensivelyanalyzeskeyinformationsuchastoolwearmechanism,formanddullnessstandard.Atthesame

time,aself-miningtoolwearstatemonitoringplatformisconstructedtocollectandprocessrelevantdata.Inthedataprocessingprocess,

waveletfilteringandEMD-Shannonenergyentropyareusedforfeaturescreening,andafeaturespacedatasetisconstructedtoprovideasolid

datafoundationforthesubsequentconstructiono