机床与液压

作者：王舒玮

单位：山西大同大学机电工程学院

关键词：深度学习;脉冲神经网络;长短期记忆神经网络;偏斜分析;数控机床;主轴误差

基金：山西省高等学校科技创新项目（2024L321）;山西省基础研究计划（20210302124313）

在数控机床加工过程中，主轴未诊出早期故障很容易影响制造精度。为了及时规避因主轴状态不佳而导致的大批量工件报废的质量事故，建立数控机床主轴振动信号数据库；将脉冲神经网络与长短期记忆神经网络融合，构建混合孪生网络架构；利用偏斜分析对振动信号进行数据优化；针对直线插补和圆弧插补路径出现的误差波动状态进行研究；对加工时振动造成的误差波动进行预测。结果表明：与单一LSTM算法、GWO-LSTM算法、GA-LSTM算法模型进行对比，SNN-LSTM可以提高误差预测的准确性，实际误差波动更趋于预测波动状态，直线插补路径的均方根误差从7.213%减少至0.248%，圆弧插补路径的均方根误差从8.655%减少至0.585%。SNN-LSTM是一种鲁棒性较好、精度较高的误差预测模型。

来源：2025年第18期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第18期