一种白盒SVM框架及其基于群智能的优化用于通过主轴振动表征监控齿铣刀
机器学习
2026-03-10 v2 神经与进化计算
摘要
本文提出了一种白盒支持向量机（SVM）框架及其基于群智能的优化方法，用于通过实时主轴振动表征来监控齿铣刀。由加工中刀具故障（即后刀面与刀尖磨损、月牙洼与缺口磨损、刃口崩裂）演变的异常振动时刻，已通过加速度的时域响应与统计特征进行了研究。采用了以决策树为估计器的带交叉验证的递归特征消除（RFECV）进行特征选择。进一步，检验了标准SVM在刀具健康监控中的能力，随后通过应用基于群智能的算法对其进行了优化。对五种元启发式算法（象群优化、帝王蝶优化、哈里斯鹰优化、黏菌算法和飞蛾搜索算法）的性能进行了比较分析。所提出的白盒方法考虑了全局与局部表示，从而提供了机器学习模型在刀具状态监控中性能的深入洞察。
引用
@article{arxiv.2112.08421,
title = {A White-Box SVM Framework and its Swarm-Based Optimization for Supervision of Toothed Milling Cutter through Characterization of Spindle Vibrations},
author = {Tejas Y. Deo and B. B. Deshmukh and Keshav H. Jatakar and Kamlesh M. Chhajed and S. S. Pardeshi and R. Jegadeeshwaran and Apoorva N. Khairnar and Hrushikesh S. Khade and A. D. Patange},
journal= {arXiv preprint arXiv:2112.08421},
year = {2026}
}