張英芝,朱繼微,劉津彤等.改進灰狼算法優化灰色預測模型在數控機床中的應用[J].制造技術與機床,2022(03):127-131.

改進灰狼算法優化灰色預測模型在數控機床中的應用

張英芝 朱繼微 劉津彤 翟粉莉 牟黎明

（ 吉林大學機械與航空航天工程學院）

摘 要

針對傳統灰色預測模型因背景值選取帶來的預測誤差較大的問題，提出一種與改進灰狼算法相結合的故障預測模型。設計一種改進的灰狼算法，對基本灰狼算法的算法參數通過非線性策略進行改善，并用于優化灰色預測模型中的背景值，從而獲得最優預測模型。以某一型號數控車床主軸的8個故障數據為例，將該預測模型與其他灰色改進預測模型進行對比驗證，結果顯示此模型與原始數據擬合度及穩定性最好。

關鍵詞

數控機床; 灰色理論; 改進灰狼算法; 故障預測

導 語

隨著市場對制造業產品質量的高要求，數控機床呈現出高精度、長壽命的發展趨勢，通過可靠性試驗獲取機床故障數據時間成本與費用成本日趨增大。并且為保證數控機床的高可靠性加工需求，對故障的精準預測是切實需要的。所以如何在小樣本數據情況下對機床故障進行高精度預測，即建立同時達到“小樣本”與“高精度”要求的預測模型，是制定預防維修策略中的重要一環。

王鑫等建立LSTM預測模型，通過網格搜索方法優選模型參數，利用民航飛機故障數據驗證了該方法的應用能夠顯著提升模型精度。李雪等通過遺傳算法對神經網絡模型中參數進行優選，相比基礎神經網絡預測模型其精度更高。文獻中的預測模型都有良好的預測精度，但由于模型自身特點的限制，需要歷史故障數據量較大。王強軍等利用軸承故障數據建立指數平滑模型對故障時間進行預測，并通過建立威布爾分布可靠性模型驗證該模型的有效性。Zhou P將灰色理論與三角殘差修正技術相結合建立預測模型，在電力需求領域獲得了良好的預測精度。徐文等提出利用粒子群算法對傳統灰色預測模型的背景值優化，構造出改進的灰色模型并用于數控機床故障預測。文獻均是在小樣本的情況下進行故障預測，無需大量的歷史數據，但是模型預測精度仍有上升空間。

故本文提出一種改進灰狼算法與灰色理論相結合的故障預測模型(改進GGWO)，對基本灰狼算法的算法參數進行改善，并用于優化灰色預測模型中的背景值，建立最優預測模型。并將其與灰色理論和基本灰狼算法相結合的模型(GGWO)、灰色理論和粒子群算法相結合的模型(GPSO)進行預測精度對比，驗證所提預測模型的有效性。

閱讀全文，歡迎點擊

聲明：