基于IMB-CNN的薄壁件超声铣削颤振辨识方法

针对薄壁件超声铣削加工时产生的颤振严重影响工件质量,加剧刀具磨损的问题,搭建了颤振图像监测系统,利用卷积神经网络(CNN)进行颤振图像辨识,综合运用趋磁细菌算法(MB)、爬山算法(HC)和禁忌算法(TS)的优点,改进MB算法进行超参数优化,提出了一种基于改进趋磁细菌卷积神经网络(IMB-CNN)的薄壁件超声铣削颤振辨识方法.首先,通过MB算法进行全局搜索,再以最优解为初始点,通过HC算法进行邻域搜索,避免了 MB算法在最优解附近的振荡;同时,通过禁忌列表跳过已搜索的节点,减小计算规模,加快计算效率;最后,将获得的最优超参数用于CNN,实现颤振图像的精确辨识.与其他方法相比,该方法实现了 97.69％的识别率,判断时间为363 ms,能有效地进行颤振监测,且整体性能较优.