基于改进长短期记忆网络的铣刀磨损量预测研究

来源：机床与液压杂志2023年第19期北京时间：

作者：周文军，肖晓萍，李自胜，张楷，刘聪，郑升鹏

单位：西南科技大学制造科学与工程学院；西南科技大学工程技术中心；西南科技大学制造科学与工程学院；西南交通大学机械工程学院；西南科技大学制造科学与工程学院；西南科技大学制造科学与工程学院

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

基金资助：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）