机床与液压

作者：张孟儒，蒲业壮，赵玉刚

单位：山东理工大学机械工程学院；山东理工大学机械工程学院；山东理工大学机械工程学院

关键词：刀具磨损状态监测;联合降噪;灰狼优化;高斯过程模型

为了提升刀具磨损状态识别准确率，提出一种基于集合经验模态分解（EEMD）和小波变换（WT）的联合降噪方式，采用EEMD将信号分解为8个IMF分量，保留与信号相关性较强以及均方根值较高的IMF分量。对保留的IMF分量进行WT降噪并进行重构，使信号更平滑。通过时域分析和时频分析方法提取声发射信号特征值作为输入特征向量，建立模拟退火（SA）与灰狼优化（GWO）结合的高斯过程分类（GPC）模型。利用GWO优化GPC的超参数时，可能会陷入局部最优解，而引入SA算法，扰动狼群位置，有助于跳出局部最优解，获得全局最优解。与传统预测模型进行对比，证明所建模型的优越性。结果表明：联合降噪后的信号信噪比和均方根值均优于单一降噪方式;SA-GWO优化方法预测模型的准确率达到96.460 2%，相比GA和POS分别提高了11.5%和6.1%。SA-GWO-GPC模型的准确率优于传统GA-BP和WOA-SVM，能够实现刀具磨损状态的准确识别。

来源：2025年第24期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第24期