基于SSA-LSTM模型的刀具磨损量预测研究.docxVIP

机械工程师ME

机械工程师

MECHANICALENGINEER

机械工程师MECHANICAL

机械工程师

MECHANICALENGINEER

PAGE38圆园

PAGE38

圆园25年第2期网址：电邮：hrbengineer@163.com

PAGE39网址：

PAGE39

网址：电邮：hrbengineer@163.com圆园25年第2期

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，得到拟合决定系数R2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-speedmachining,thewearamountofthemillingcutterhasagreatimpactonthemachiningaccuracy,productionefficiencyandmanufacturingcost.Inordertoensuretheprocessingqualityandstabilityofmilling,andreducethelosscausedbyexcessivewearofthetool,itisnecessarytoaccuratelypredictthewearamountofthemillingcutterduringtheworkingprocess.AimingattheproblemsoflowefficiencyandpooraccuracycausedbymanualparametertuningofLongShort-TermMemory(LSTM)model,thesparrowsearchalgorithm(SSA)isusedtooptimizetheLSTMhyperparametermodel.Inthispaper,theSSAisusedtoperformhyperparameteroptimizationforthepredictionoftoolwearintheLSTMnetwork,andthefittingcoefficientofdeterminationR2is93.8%.Experimentsshowthatthemodelperformswellinthepredictionaccuracyoftoolwear.

Keywords:amountoftoolwear;multidomainfeatureextraction;SSA;LSTM

引言

工业4.0时代的到来，使得工业大数据分析与应用成为重要的研究课题，在制造业中，刀具的磨损是影响铣削过程质量和加工稳定性的关键因素。随着加工时间的推移，切削温度升高，切削力变大[1]，刀具与加工工件之间的摩擦增大，工件表面粗糙度升高，尺寸精度下降[2]，使工件的可靠性降低[3-4]。为确保加工工件的表面质量和精度，必须对当前的刀具磨损量和剩余寿命精准预测