基于CGA-RBF的刀具寿命预测方法研究

丁传东，王丽婧，李 腾

(齐齐哈尔大学，黑龙江 齐齐哈尔 161006)

0 引言

精密及超精密数控机床，是一种高效率、高精度、高自动化的加工设备，在使用过程中存在较多因素影响其精密加工性能。而刀具作为制造加工过程中的关键组件，其寿命只有50%～80%被合理利用。因此，掌握刀具的使用寿命情况对提高机床加工精度及生产效率至关重要[1,2]。

王国锋等[3]针对刀具剩余使用寿命预测问题，将深度学习与混合趋势粒子滤波相结合，并应用于刀具剩余使用寿命预测，该方法具有较高的实时性与预测精度。李浩平等[4]针对刀具寿命预测中存在的较多影响预测精度的问题，运用自适应遗传算法来优化网络的光滑因子，利用广义回归神经网络构建刀具寿命预测模型，验证表明该方法具有不错的预测效果。曾晓雪等[5]将混沌理论引入到PSO-BP神经网络算法中，构造一种基于混沌粒子群算法优化BP神经网络的刀具寿命预测模型。Wang P等[6]提出了一种贝叶斯方法，将加工过程中测量到的振动数据与刀具磨损状态相结合，对刀具的磨损情况进行预测。

本文针对刀具寿命预测方法展开研究，构建了基于混沌遗传算法优化的RBF(Radial Basis Function,RBF)神经网络刀具寿命预测模型。提高了RBF神经网络的泛化性能，能够迅速将刀具寿命曲线收敛于实际值，从而提高了刀具寿命预测的效果。

1 基于CGA-RBF网络结构

在构建刀具寿命预测模型时，将刀具直径、铣削深度、切削速度、切削宽度、每齿进给量、刀齿数6个影响指标作为寿命预测模型的输入层[7]。……