机床与液压

作者：赵小惠，杨文彬，胡胜，郇凯旋，谭琦

单位：西安工程大学机电工程学院；西安工程大学机电工程学院；西安工程大学机电工程学院；西安工程大学机电工程学院；西安工程大学机电工程学院

关键词：铣刀磨损;磨损量预测;黑寡妇算法;长短期记忆神经网络;AdaBoost算法

基金：国家自然科学基金青年科学基金项目（72001166）；陕西省科技计划项目（2022JQ-721）；陕西省教育厅专项科研计划项目（18JK0324）；陕西省社科联重大项目（20ZD195-95）

针对铣刀磨损量预测时精度低的问题，提出一种基于黑寡妇算法（BWO）优化的长短期记忆神经网络（LSTM）与AdaBoost集成学习算法相结合的铣刀磨损量预测方法。在铣刀磨损振动信号中提取时域、频域以及时频域多域特征。通过BWO算法优化LSTM的核心参数，并将优化后的LSTM网络与AdaBoost算法进行结合，构建铣刀磨损量预测模型。最后用PHM Society 2010铣刀全寿命周期的振动数据进行实验。研究结果表明：所提方法能够有效地预测出铣刀磨损量变化值，优化后模型的平均绝对误差百分比为3.436%、均方根误差为6.471、决定系数 R2 为0.935。该方法能够获得准确率更高的铣刀磨损量预测值，预测效率更高。

来源：2024年第10期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第10期