基于GA-LightGBM的刀具磨损状态在线识别

摘要

在刀具磨损状态识别中,传统机器学习模型如支持向量机(SVM)、BP神经网络(BPNN)等训练过程耗时较长,尤其是在数据量较大的情况下,即实时性不能保证.提出将模型训练速度快、精度高的轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)应用在刀具磨损状态的识别中,提出采用遗传算法(Genetic Algorithm,GA)来优化LightGBM模型得到最优参数.在刀具磨损监测实验过程中利用加速度传感器采集刀具X、Y、Z轴上的振动信号,再利用小波系数阈值去噪法对数据去噪处理,并制备不同类别的不均衡样本数据.之后对各个模型进行训练测试.结果表明,在训练集、测试集精度处在相同的区间下,优化后的GA-LightGBM模型在模型耗时、AUC值方面有着明显优势.