改进VMD-LSTM法在刀具磨损状态识别中的应用

摘要

针对车刀在实际加工时工况复杂导致磨损状态识别精度不高的问题,提出了一种基于最大包络峰度法的变分模态分解(Variational mode decomposition,VMD)结合长短时记忆网络(Long short-term memory,LSTM)的组合分类算法。采用最大包络峰度法确定VMD最佳分解模态数,计算信噪比对高频信号进行降噪重构,然后对原始信号以及分解后的信号进行特征提取和清洗,针对数据样本不均衡的问题,引入SMOTE算法合成少数类样本,结合特征变化以及刀具加工过程中的磨损划分数据集,使用LSTM模型实现多工况下车刀磨损状态的分类。最后通过实验验证所提出的模型和方法的有效性,实验结果表明,此模型与其他分类模型相比具有更高的分类精度以及更好的泛化性。