机床与液压

作者：龚琛璞，李波，付文杰

单位：湖北文理学院机械工程学院；湖北文理学院机械工程学院；襄阳华中科技大学先进制造工程研究院；湖北文理学院机械工程学院

关键词：铣刀磨损量预测;极光优化算法;长短记忆神经网络;Transformer模型

基金：湖北省重大科技攻关项目(2023BAA010)

针对铣削加工中刀具磨损预测精度不足的问题，为提高预测准确率并实现有效的状态监测，提出一种基于极光优化算法（PLO）优化的Transformer与长短时记忆神经网络（LSTM）融合预测方法。对振动、切削力等多传感器信号进行时域、频域及时频域的多域特征提取，构建与磨损状态相关的特征集。利用PLO算法对Transformer模型的关键超参数进行自动优化，以克服手动调参效率低的问题。将优化后的Transformer与LSTM网络相结合，利用Transformer的全局注意力机制捕捉长程依赖关系，并结合LSTM处理序列数据的优势，构建PLO-Transformer-LSTM预测模型。最后，基于PHM2010公开数据集的铣刀全寿命周期振动数据开展实验验证。结果表明：该模型预测铣刀磨损量的平均绝对百分比误差（MAPE）为1.253 3%，均方根误差（RMSE）为2.475 4，与GA-LSTM、BWO-LSTM-AdaBoost等模型相比，所提方法在MAPE和RMSE指标上均表现更优，显著提升了铣刀磨损量的预测精度。

来源：2026年第5期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第5期