基于IBWO-CNN-BiLSTM-Attention的机床刀具磨损预测模型

来源：机床与液压杂志2025年第8期北京时间：

作者：崔业梅，杨焕峥，薛洪惠，徐玲

单位：江苏省无线传感系统应用工程技术研究开发中心;无锡商业职业技术学院教务处；江苏省无线传感系统应用工程技术研究开发中心;无锡商业职业技术学院物联网与人工智能学院；无锡商业职业技术学院物联网与人工智能学院;南京大学近代声学教育部重点实验室；常州大学微电子与控制工程学院

摘要：为了提高机床刀具磨损预测的准确性，对优化算法进行改进，设计人工智能模型，并利用PHM2010刀具磨损数据集进行验证。构建一种基于IBWO-CNN-BiLSTM-Attention的预测模型，采用卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)学习数据的空间和时间特征，引入注意力机制(Attention)提高模型对关键信息的关注度。提出一种改进的白鲸优化算法(IBWO)优化模型参数和迭代次数，结合种群混沌映射初始化、准反向学习和萤火虫扰动策略，经CEC2005函数测试，该算法收敛速度和寻优精度明显优于传统BWO等对比算法。将该模型与CNN-BiLSTM-Attention模型、BWO-CNN-BiLSTM-Attention模型进行对比。结果表明：该模型在机床刀具磨损预测方面具有更高的准确性和可靠性。最后，在STM32H7单片机设备中部署了“剪枝”模型，并验证了“剪枝”模型在嵌入式设备中运行的可行性。

关键词：机床刀具;磨损预测;改进的白鲸优化算法(IBWO);双向长短时记忆网络(BiLSTM);卷积神经网络(CNN)

基金资助：国家自然科学基金面上项目(61873111)；江苏高校“青蓝工程”项目(RS20QL01)