基于一维卷积长短时记忆网络的多信号融合刀具磨损评估

来源：机械与电子杂志2021年第05期北京时间：

作者：李鹏;黄亦翔;夏鹏程;时轮

单位： １．上海交通大学机械与动力工程学院,上海 ２００２４０;

摘要：为实现刀具磨损状态的有效在线监测,提出一种基于一维卷积长短时记忆网络的多信号融合刀具磨损评估模型.该模型综合使用加工过程中主轴和工作台的振动和声发射信号,以实现信号间的优势互补,弥补单一信号的不足;基于一维卷积的特征学习能力和长短时记忆网络的时序特征分析能力,充分挖掘信号中包含的刀具磨损状态信息;最后通过全连接层和 softmax 分类器对刀具磨损状态进行评估.试验结果表明,该模型在各单一工况下对刀具磨损状态的识别准确率均可达９３．８％以上,整体工况下识别准确率达９５．３％,具有很好的稳定性和多工况通用性.

关键词：刀具磨损;状态评估;多信号融合;一维卷积;长短时记忆网络