基于改进LSTM-AdaBoost的铣刀磨损量预测.pdf

２０２４年５月机床与液压Ｍａｙ２０２４

第５２卷第１０期ＭＡＣＨＩＮＥＴＯＯＬ＆ＨＹＤＲＡＵＬＩＣＳＶｏｌ５２Ｎｏ１０

－

ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１３８８１２０２４１０００３

－－

文献引用：赵小惠，杨文彬，胡胜，等．基于改进ＬＳＴＭＡｄａＢｏｏｓｔ的铣刀磨损量预测［Ｊ］．机床与液压，２０２４，５２（１０）：１４２０．

－

Ｃｉｔｅａｓ：ＺＨＡＯＸｉａｏｈｕｉ，ＹＡＮＧＷｅｎｂｉｎ，ＨＵＳｈｅｎｇ，ｅｔａｌ．ＩｍｐｒｏｖｅｄＬＳＴＭＡｄａＢｏｏｓｔｂａｓｅｄｍｉｌｌｉｎｇｔｏｏｌｗｅａｒｐｒｅｄｉｃｔｉｏｎ［Ｊ］．Ｍａｃｈｉｎｅ

－

Ｔｏｏｌ＆Ｈｙｄｒａｕｌｉｃｓ，２０２４，５２（１０）：１４２０．

－

基于改进ＬＳＴＭＡｄａＢｏｏｓｔ的铣刀磨损量预测

赵小惠，杨文彬，胡胜，郇凯旋，谭琦

（西安工程大学机电工程学院，陕西西安７１００４８）

摘要：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ＰＨＭＳｏｃｉｅｔｙ２０１０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，

２

优化后模型的平均绝对误差百分比为３４３６％、均方根误差为６４７１、决定系数Ｒ为０９３５。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。

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

中图分类号：ＴＧ７０７；ＴＨ１１７

－

ＩｍｐｒｏｖｅｄＬＳＴＭＡｄａＢｏｏｓｔＢａｓｅｄＭｉｌｌｉｎｇＴｏｏｌＷｅａｒＰｒｅｄｉｃｔｉｏｎ

ＺＨＡＯＸｉａｏｈｕｉ，ＹＡＮＧＷｅｎｂｉｎ，ＨＵＳｈｅｎｇ，ＨＵＡＮＫａｉｘｕａｎ，ＴＡＮＱｉ

（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎＳｈａａｎｘｉ７１００４８，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｏｆｌｏｗａｃｃｕｒａｃｙｗｈｅｎｐｒｅｄｉｃｔｉｎｇｍｉｌｌｉｎｇｔｏｏｌｗｅａｒ，ａｍｉｌｌｉｎｇｔｏｏｌｗｅａｒｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｗａｓｐｒｏ⁃

－

ｐｏｓｅｄｂａｓｅｄｏｎａｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙｎｅｕｒａｌｎｅｔｗｏｒｋ（ＬＳＴＭ）ｏｐｔｉｍｉｚｅｄｂｙｔｈｅｂｌａｃｋｗｉｄｏｗａｌｇｏｒｉｔｈｍ（ＢＷＯ）ｃｏｍｂｉｎｅｄｗｉｔｈ