基于注意力机制改进的PSO-BiLSTM刀具磨损预测

作者：杨沛东; 黄华^*; 尉卫卫; 郭宝岛

来源：北京航空航天大学学报, 2023, 1-12.

DOI：10.13700/j.bh.1001-5965.2023.0545

• 刀具磨损
• 卡尔曼滤波
• 粒子群算法
• 注意力机制
• 双向长短时记忆神经网络

针对刀具磨损故障诊断中存在的监测数据单一和特征信号处理效果差的问题，提出了一种基于注意力机制改进的粒子群算法(PSO)优化双向长短时记忆 (BiLSTM) 神经网络来实现端到端的刀具磨损预测方法。根据传感器信号进行多域特征提取，构建优质的信号输入样本；利用卡尔曼滤波对输入样本进行多传感器数据融合，得到鲁棒性更高的融合数据样本，在此基础上，通过PSO对BiLSTM网络进行超参数寻优，根据优化的超参数建立神经网络模型；基于注意力机制赋予输入影响权重，改进PSO-BiLSTM以获得更好的刀具磨损预测效果。对比实验结果验证了所提模型在刀具磨损预测中的可行性，其精度相比传统深度学习方法有较大的提升。

• 单位
  兰州理工大学; 机电工程学院