科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了准确监测铣削加工过程中刀具磨损程度，提出了一种基于双向门控循环神经网络融合注意力机制(ABiGRU)的刀具磨损监测模型。在该监测模型中，通过对振动、力和声发射传感器采集到的时序数据进行时域、频域和时频域分析，使用spearman相关系数提取与后刀面平均磨损量强相关的20维特征。引入ELU激活函数来优化BiGRU网络，解决梯度消失问题；利用内部注意力机制提升模型对于重要特征信息的捕捉能力，快速实现从特征到刀具磨损值的映射。通过与RNN、LSTM、GRU、BiLSTM和BiGRU进行的对比分析，结果表明：该模型能够准确地表征刀具磨损程度，并使模型的精度和效率得到了较大的提高。
-
单位湖北汽车工业学院
