基于IBWO-CNN-BiLSTM-Attention的机床刀具磨损预测模型.pdf

基于IBWO-CNN-BiLSTM-Attention的机床刀具磨损预测模型.pdf

2025年4月Apr2025

第53卷第8期Vol53No8

DOI:10.3969/jissn10013881202508010

---

文献引用:崔业梅,杨焕峥,薛洪惠,等.基于IBWOCNNBiLSTMAttention的机床刀具磨损预测模型[J].机床与液压,2025,

53(8):7278.

--

Citeas:CUIYemei,YANGHuanzheng,XUEHonghui,etal.PredictionmodelofmachinecuttingtoolwearbasedonIBWOCNNBiL⁃

--

STMAttention[J].MachineTool&Hydraulics,2025,53(8):7278.

---

基于IBWOCNNBiLSTMAttention的机床刀具磨损预测模型

1,21,33,45

崔业梅,杨焕峥,薛洪惠,徐玲

(1江苏省无线传感系统应用工程技术研究开发中心,江苏无锡214153;2无锡商业职业技术学院

教务处,江苏无锡214153;3无锡商业职业技术学院物联网与人工智能学院,江苏无锡214153;

4南京大学近代声学教育部重点实验室,江苏南京210093;5常州大学微电子与

控制工程学院,江苏常州213164)

摘要:为了提高机床刀具磨损预测的准确性,对优化算法进行改进,设计人工智能模型,并利用PHM2010刀具磨损数

---

据集进行验证。构建一种基于IBWOCNNBiLSTMAttention的预测模型,采用卷积神经网络(CNN)和双向长短时记忆网

络(BiLSTM)学习数据的空间和时间特征,引入注意力机制(Attention)提高模型对关键信息的关注度。提出一种改进的

白鲸优化算法(IBWO)优化模型参数和迭代次数,结合种群混沌映射初始化、准反向学习和萤火虫扰动策略,经

--

CEC2005函数测试,该算法收敛速度和寻优精度明显优于传统BWO等对比算法。将该模型与CNNBiLSTMAttention模型、

---

BWOCNNBiLSTMAttention模型进行对比。结果表明:该模型在机床刀具磨损预测方面具有更高的准确性和可靠性。最

后,在STM32H7单片机设备中部署了“剪枝”模型,并验证了“剪枝”模型在嵌入式设备中运行的可行性。

关键词:机床刀具;磨损预测;改进的白鲸优化算法(IBWO);双向长

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档