基于长短时记忆网络的深孔镗削刀具状态监测

作者：厉大维; 沈明瑞; 张贺清; 王书利; 陈锋; 刘阔; 王永青

来源：现代制造工程, 2020, (08): 92-96.

DOI：10.16731/j.cnki.1671-3133.2020.08.015

• 深孔镗削
• 状态监测
• 长短时记忆网络

镗削加工是机械加工领域中非常重要的一种加工手段,被广泛应用于大型零件的深孔加工过程中。但由于镗削加工的切削区域位于深孔内部,所以机床操作者难以对刀具状态做出准确的判别。针对这一问题,提出了基于深度长短时记忆(Long Short-Term Memory,LSTM)网络的镗削刀具状态监测方法。通过对镗削过程的振动和声音信号采集,利用振动和声音信号的频域数据训练深度长短时记忆网络,建立了振动和声音信号与镗削刀具状态的映射模型。在深孔镗床上进行了模型测试试验。试验表明:深度长短时记忆网络模型对刀具状态有着较好的预测准确度。

• 单位
  内蒙古北方重工业集团有限公司; 大连理工大学