基于麻雀搜索算法優化支持向量機的刀具磨損識別

胡鴻志，覃 暢，管 芳*，張洪波，安晟佳

(1.桂林電子科技大學電子工程與自動化學院，桂林 541004；2.廣西自動檢測技術與儀器重點實驗室，桂林 541004)

制造業在中國國民經濟發展中占據著不可替代的位置，機械制造業更是國民經濟的基礎。微小深孔加工系統正在快速地朝自動化、智能化方向發展，但由于其工作在封閉或半封閉的狀態中，排屑困難、溫度過高，難以實時監測加工狀態。刀具磨損會影響加工效率，嚴重時甚至會損壞加工工件，實現刀具磨損狀態的在線識別，有利于及時更換刀具，保護待加工工件，提高生產效率。因此，實現微小深孔鉆削刀具的在線辨識，具有重要意義。

對于磨損狀態監測信號的選擇，文獻[1]通過監測力信號實現刀具的磨損程度識別。文獻[2]和文獻[3]分別利用振動信號和電機電流信號實現了對齒輪裂紋故障診斷。文獻[4]對鉆削過程中聲發射信號進行經驗模態分解(empirical mode decomposition,EMD)和使用支持向量機(support vector machine,SVM)進行磨損程度識別。但力、振動信號與聲發射信號的采集都需將傳感器安裝在機床加工區域內，影響正常加工過程，且聲發射儀器價格較貴。文獻[5]對鉆削聲信號進行時頻域分析，結果表明聲信號可以反映刀具的磨損情況。文獻[6]采集聲信號，并將信號進行小波分解，再使用人工神經網絡進行分類識別。聲音傳感器具有安裝方便，價格便宜等優點，因此選用聲音作為監測信號。

針對SVM模型參數優化的問題，文獻[7]和文獻[8]分別使用遺傳優化算法(genetic algorithm，GA)和粒子群優化(particle swarm optimization，PSO)算法對SVM懲罰因子c和核函數半徑g進行優化，并用于刀具磨損識別。……