采用CNN-BiLSTM双通道收缩网络的铣刀磨损量监测方法OA

针对铣削加工过程中难以及时准确监测铣刀磨损程度从而影响生产效益的问题,提出一种卷积神经网络(Convolutional Neural Network,CNN)和双向长短时记忆网络(Bidirectional Long-Short-Term Memory network,BiLSTM)双通道收缩网络的铣刀磨损量监测方法。首先,通过CNN和BiLSTM两个通道对多传感器信号进行空域和时域的全面特征提取,并将两通道提取的特征拼接融合,然后引入收缩单元对融合特征图进行自适应软阈值化,去除其中的冗余信息,进一步提高监测精度和稳定性,最终通过回归层实现对磨损值的映射。利用公开数据集进行验证,结果表明,所提方法的均方根误差和平均绝对误差相比传统深度学习模型分别降低了26%和21%,证明了该方法的优越性。