基于粒子群优化算法-长短时记忆模型的刀具磨损预测方法 |
| |
作者姓名: | 吴飞 农皓业 马晨浩 |
| |
作者单位: | 武汉理工大学机电工程学院 |
| |
基金项目: | 中央高校基本科研业务费专项资金项目(191004005); |
| |
摘 要: | 为确保车削加工的表面质量和加工稳定性,实现对车刀磨损状态的实时准确监控,提出了基于小波阈值去噪、长短时记忆(LSTM)网络和粒子群优化算法(PSO)的刀具磨损状态预测模型。采用改进多项式阈值函数对刀具加速度振动信号进行去噪,构建了优质的信号输入样本。训练长短时记忆网络对刀具后刀面磨损值进行预测和磨损状态分类。利用粒子群优化算法对网络进行参数寻优,结果表明,提出的PSO-LSTM模型在预测和分类精度方面均优于未优化的LSTM网络。
|
关 键 词: | 机械制造及其自动化 车削 刀具磨损 状态监测 深度学习 长短时记忆网络 |
|