基于优化双向长短时记忆网络的刀具磨损状态识别

作     者：李清 吴杏 周晓君 LI Qing;WU Xing;ZHOU Xiaojun

作者机构：上海科学技术职业学院智能制造工程学院上海201800 上海大学机电工程与自动化学院上海200044 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2023年第39卷第4期

页      面：147-151页

学科分类：080704[工学-流体机械及工程] 08[工学] 080401[工学-精密仪器及机械] 0807[工学-动力工程及工程热物理] 0804[工学-仪器科学与技术] 

基　　金：国家自然科学基金面上项目(51574161) 

主　　题：双向长短时记忆网络 刀具 磨损状态识别 北方苍鹰优化算法 参数优化 

摘      要：准确可靠地对刀具磨损状态进行监测和识别,有助于保证加工质量和加工效率。为提高刀具磨损状态识别精度,提出一种优化双向长短时记忆网络(NGO-BiLSTM)的刀具磨损状态识别新方法。NGO-BiLSTM核心思想就是通过北方苍鹰优化算法(NGO)对BiLSTM网络超参数进行自适应优化选取,从而解决BiLSTM网络超参数取值不同导致识别结果不稳定这一问题,进而提高BiLSTM的识别性能。通过刀具磨损状态识别实例对所提方法的有效性进行验证,结果表明:所提方法提高了识别精度,在5种评价指标上也是优于其它几种方法。