基于改进长短期记忆网络的铣刀磨损量预测研究 |
| |
引用本文: | 周文军.基于改进长短期记忆网络的铣刀磨损量预测研究[J].机床与液压,2023,51(19):203-210. |
| |
作者姓名: | 周文军 |
| |
作者单位: | 西南科技大学制造科学与工程学院 |
| |
基金项目: | 国家重点研发计划项目(2021YFB3400702);四川省科技计划项目(2018GZ0083;2018JY0245);西南科技大学博士基金项目(17zx7153;17zx7154) |
| |
摘 要: | 针对铣刀磨损量预测精度低的问题,提出一种高精度铣刀磨损量预测方法。该方法通过遗传算法(GA)寻出长短期记忆网络(LSTM)的最优参数,并将参数输入LSTM实现改进模型GA-LSTM。采用时域、频域及时频域方法提取特征,应用皮尔逊相关系数法筛选出与铣刀磨损量高度相似的特征向量,输入GA-LSTM模型进行训练,并对测试数据进行预测。实验结果表明:与传统的机器学习方法BPNN或深度学习方法FE-LSTM、CNN相比,GA-LSTM的均方根误差分别下降了41.3%、39.0%、51.5%,平均相对误差分别下降了48.3%、40.8%、56.7%,模型的预测识别精度有较大提高,实现了铣刀磨损量的有效预测。
|
关 键 词: | 铣刀磨损量 改进的长短期记忆网络 遗传算法 特征提取 |
|
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |