基于SSA-LSTM模型的刀具磨损量预测研究.pdfVIP

机械工程师

MECHANICALENGINEER

基于SSA-LSTM模型的刀具磨损量预测研究

田嘉雯，王树强

（沈阳化工大学机械与动力工程学院，沈阳110020）

摘要：

在高速铣削加工过程中，铣刀的磨损量对加工精度、生产效率及制造成本等方面产生较大影响，为确保铣削的加

工质量和稳定性，减少因刀具过度磨损所带来的损失，需对铣刀在工作过程中的磨损量进行准确预测。针对长短期记忆

（LongShort-TermMemory，LSTM）模型手动调参造成的效率低、精度差等问题，提出麻雀搜索算法（SparrowSearch

Algorithm，SSA）优化LSTM超参数模型。文中利用SSA对LSTM网络进行超参数寻优用于刀具磨损量的预测，得到拟合决

2

定系数R为93.8%；试验表明，该模型在刀具磨损量预测精度方面表现良好。

关键词：

刀具磨损量；多域特征提取；麻雀搜索算法；长短期记忆网络

中图分类号:TG54；TP391.7文献标志码:粤文章编号：员园园圆原圆猿猿猿（圆园25）02原园038原园4

ResearchonToolWearPredictionBasedonSSA-LSTMModel

TIANJiawen,WANGShuqiang

(SchoolofMechanicalandPowerEngineering,ShenyangUniversityofChemicalTechnology,Shenyang110020,China)

Abstract:Intheprocessofmillinghigh-speemachining,thewearamountofthemillingcutterhasagreatimpactonthe

machiningaccuracy,productionefficiencyanmanufacturingcost.Inordertoensuretheprocessingqualityanstabilityof

milling,anreducethelosscausebyexcessivewearofthetool,itisnecessarytoaccuratelypredictthewearamountofthe

millingcutterduringtheworkingprocess.Aimingattheproblemsoflowefficiencyanpooraccuracycausebymanual

parametertuningofLongShort-TermMemory(LSTM)model,thesparrowsearchalgorithm(SSA)isusetooptimizethe

LSTMhyperparametermodel.Inthispaper,theSSAisusetoperformhyperparameteroptimizationforthepredictionoftool

2

wearintheLSTMnetwork,anthefittingcoefficientofdeterminationRis93.8%.Experimentsshowthatthemodelperforms

wellinthepredictionaccuracyoftoolwear.

Keywords:amountoftoolwear;multidomainfeatureextraction;SSA;LSTM

0引言