一种基于遗传算法优化多传感监测刀具状态的方法

摘要

本发明提供一种基于遗传算法优化多传感监测刀具状态的方法，首先通过多种传感器通道测量多个物理场信号，计算每个传感通道信号的若干时域和频域统计特征参数；进而以识别精度为优化目标，构造多传感布局优化模型，提出基于多核学习的极限学习机分类算法，得到最优的传感配置和特征参数集；然后，根据得到最优的传感配置进行信号采集，计算出待测刀具的各传感通道的有效特征参数；进而采用多核极限学习机计算刀具状态的类别概率，类别概率中概率最大对应的刀具状态即为待测刀具当前的状态。实施本发明，避免现有的多传感器监测与诊断刀具状态方法通过组合式特征提取与信号分析所带来的有效信息损失风险，提高了刀具状态的识别精度。