摘要

为提高车刀在加工过程中的磨损状态识别精度,提出了一种基于改进猎人猎物算法(Hunter-prey optimizer, HPO),变分模态分解(Variational mode decomposition, VMD)及门控循环单元(Gated Recurrent Unit, GRU)的识别模型。首先,采用Tent混沌和Levy飞行策略改进的猎人猎物算法优化VMD确定分解层数和惩罚因子的最佳组合;然后对原始电流信号及分解后的信号进行特征提取,并通过核主成分分析法(Kernel principal component analysis, KPCA)进行特征降维;最后,将降维后的特征输入GRU神经网络模型实现刀具磨损状态的识别。实验结果表明,本文所提出的识别模型与其他模型相比具有更高的识别精度和效率,且具有较高的泛用性。

全文