基于CoAtNet-LSTM模型的多传感器信息融合刀具磨损预测

来源：计量学报杂志2025年第10期北京时间：

作者：李亚, 尚轩丞, 王海瑞, 朱贵富

摘要：基于长短时记忆网络（LSTM）与CoAtNet网络，提出了一种刀具磨损预测CoAtNet-LSTM模型。在时域、频域、时频域中提取传感器信号特征，并通过孤立森林算法进行信号特征异常值处理，再将其输入预测模型中获得刀具磨损预测值并通过Hyperband算法优化模型超参数。应用PHM2010数控铣床刀具数据集验证训练模型的预测精度。实验结果表明，该模型的决定系数相较于原CoAtNet和LSTM网络模型平均提升了12.73%、16.44%。

关键词：几何量计量,刀具磨损,CoAtNet-LSTM模型,长短期时间记忆网络,Hyperband算法,孤立森林算法

基金资助：国家自然科学基金(61863016)