基于LSTM和声发射的金刚石砂轮磨损状态识别

摘要

针对超精密磨床磨削加工中对砂轮磨损状态监测和识别的需求,基于长短时记忆网络(LSTM)建立砂轮磨损状态识别模型,通过小波包分析提取砂轮磨损敏感频段的特征,继而使用降维后的敏感频段频域特征为输入来训练模型以识别砂轮的磨损状态,并对比了不同超参数下的LSTM网络以及传统前馈神经网络的识别效果以获取最佳模型.完整寿命周期的金刚石砂轮磨削熔石英玻璃实验结果表明基于LSTM的网络模型可以准确识别砂轮的磨损状态,且误差比传统BP神经网络模型降低了61.3％,证明了模型的有效性,并为进一步使用数据驱动模型研究砂轮剩余寿命预测提供了理论基础.