基于VMD-MRMR-LSTM的铣刀磨损预测

摘要：

针对机械加工过程中刀具磨损状态的预测精度低问题,提出一种基于VMD-MRMR-LSTM的刀具磨损预测方法.首先,通过Kistler测力仪、振动传感器采集刀具铣削过程中的力、振动信号;其次,对信号进行变分模态分解和时域统计提取时域、频域特征,利用最大相关最小冗余法筛选出最优特征子集;最后,对特征子集中的每个特征序列搭建长短时记忆神经网络(LSTM)模型预测,所有特征列预测值之和为最终预测结果.实验表明,与其他方法进行对比,VMD-MRMR-LSTM的平均绝对误差(MAE)和LSTM,EMD-LSTM,VMD-LSTM相比分别减小了2.36,1.33,0.43,均方根误差(RMSE)分别减小了2.44,1.38,0.47,能够提高预测精度.

关键词：铣刀、磨损预测、测力仪、振动传感器、特征提取、长短期记忆网络、频域分析、时域分析

所属期刊栏目：60

分类号：TG501(金属切削加工及机床)

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：110-115