基于LSTM的刀具磨损预测模型

Tool Wear Prediction Model Based on LSTM

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
维普
万方数据

中文摘要：对刀具每次走刀后的磨损量与走刀过程中的传感器信号进行研究,提出基于长短时记忆神经网络(LSTM)的刀具磨损预测模型.使用LSTM模型自主提取时间序列数据特征,将多个传感器信号作为模型输入自动化处理,避免了人工提取特征出现的信息丢失,充分把握了实验数据的长时依赖性和多维度、多长度特征.经实验对比分析表明:LSTM模型在刀具磨损预测结果上具有显著优势.

外文关键词：

neural networklong short-term memory neural networktool wear prediction

作者：

汤玉红、赖朝安

展开 >

作者单位：

华南理工大学工商管理学院,广东广州 510006

关键词：

神经网络长短时记忆神经网络刀具磨损预测

基金：

中国高校产学研创新基金广东省软科学研究计划

项目编号：

2021ALA040022019A101002006

出版年：

2023

DOI：

10.19344/j.cnki.issn1671-5276.2023.04.025

机械制造与自动化

南京机械工程学会南京机电产业（集团）有限公司

机械制造与自动化

CSTPCD

影响因子：0.29

ISSN：1671-5276

年,卷(期)：2023.52(4)

参考文献量9