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