基于注意力机制堆叠LSTM的多传感器信息融合刀具磨损预测
成佳闻1
赛希亚拉图1
张超勇2
罗敏3
1.华中科技大学 机械科学与工程学院,湖北 武汉 4300742.华中科技大学 机械科学与工程学院,湖北 武汉 430074;湖北汽车工业学院 电气与信息工程学院,湖北 十堰 4420023.湖北汽车工业学院 电气与信息工程学院,湖北 十堰 442002
摘要：刀具磨损是影响数控机床加工质量和加工效率的重要因素之一.针对现有铣刀磨损预测中信号单一和预测精度不足的问题,提出了一种基于注意力机制的堆叠LSTM(long short-term memory,长短期记忆网络)的多传感器信息融合刀具磨损预测方法.对多传感器信号进行预处理,然后提取多域特征,利用核主成分分析法对其进行特征级信息融合,得到后续网络的输入.采用基于注意力机制的堆叠LSTM网络模型,使得网络能够自适应地学习数据的重要信息,在PHM2010的数据集上预测精度达到 99.9%.通过与其他算法的对比试验和加入人工噪声的方法,验证了本文所提出的模型的高精度和鲁棒性.
关键词：刀具磨损核主成分分析(KPCA)信息融合注意力机制鲁棒性
分类号：F406.3(工业经济理论)TP391(计算技术、计算机技术)TH164(机械制造工艺)
资助基金：中德重点研发资助项目(2023ZY01089)工信部高质量发展专项资助项目(2023ZY01089)
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：15( 64-77,86 )
英文信息