基于多尺度样本重构与多通道融合的刀具磨损预测
Release time:2026-04-01
Hits:
- Journal:
- 制造业自动化
- Key Words:
- 刀具磨损;残差神经网络;堆叠双向长短时记忆网络;多尺度样本重构;
- Abstract:
- 刀具磨损预测对降本增效及保证加工质量意义重大。针对在环境噪声复杂，信噪比较低环境下刀具磨损相关信息特征提取困难、所提特征利用率低、预测精度和准确度不高等问题，首先提出了一种对振动信号进行多尺度样本重构（Multi-scale Sample Reconstruction,MSR）的方法来降低噪声对后续模型预测效果的影响，随后提出了一种以残差神经网络（Residual Neural Network , ResNet）和双向长短期记忆（Bidirectional Long Short-Term Memory Networks,BILSTM）网络集成模型为基础并通过在每个残差层融合交叉注意力机制（Criss Cross Attention,CCA），采用堆叠双向长短期记忆网络（Stacked Bidirectional Long Short-Term Memory Networks,SBILSTM）的改进模型，将改进模型与ResNet-BILSTM模型以及传统的深度学习模型进行对比，结果表明该方法很显著地提高了刀具磨损的预测精度和准确度。
- Co-author:
- 张国宁,陈嘉铭,豆卫涛
- First Author:
- 李金阳
- Indexed by:
- Journal paper
- Correspondence Author:
- Lichen Shi
- Discipline:
- Engineering
- Document Type:
- J
- Volume:
- 47
- Issue:
- 9
- Page Number:
- 9-18
- ISSN No.:
- 1009-0134
- Translation or Not:
- no
- CN No.:
- 11-4389/TP
- Date of Publication:
- 2025-01-01
Attachments:
- Pre One:钛合金TC4超声振动辅助切削有限元仿真分析
- Next One:基于非对称屏障Lyapunov函数的单杆液压缸自适应控制