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
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。