控制与决策

作者：郭宏,任必聪,闫献国,田青,任党阳

单位：太原科技大学 机械工程学院,太原 030024,,太原科技大学 机械工程学院,太原 030024,,太原科技大学 机械工程学院,太原 030024,,太原科技大学 机械工程学院,太原 030024,,太原科技大学 机械工程学院,太原 030024,

关键词：刀具寿命预测;特征提取;深度学习;卷积神经网络;动态预测;注意力机制

基金：国家自然科学基金项目(51675363,51275333)；山西省回国留学人员科研教研项目(HGKY2019079).

刀具寿命预测对提高工件加工精度和生产加工效率具有重要意义.同工况下同型号刀具监测信号数据分布不一致,导致历史寿命预测模型对刀具寿命预测效果有限.鉴于此,提出一种基于深度卷积神经网络(DCNN)的刀具寿命动态预测方法.首先,利用DCNN挖掘历史刀具监测信号的退化趋势特征,构建刀具寿命预测模型,并加入注意力机制对DCNN输出进行加权,加强对刀具寿命特征的学习,提高寿命预测准确度;然后,通过基于KL散度对刀具监测信号数据分布不一致进行检测,从而在已有刀具寿命预测模型的基础上进行更新迭代;最后,利用迭代后的模型再次进行刀具寿命预测.所提出方法很好地体现了刀具实际加工过程对刀具寿命的影响,以铣削数据集为例验证了所提出方法的有效性.

来源：2022年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第8期