基于注意力机制堆叠LSTM的多传感器信息融合刀具磨损预测

摘要

刀具磨损是影响数控机床加工质量和加工效率的重要因素之一。针对现有铣刀磨损预测中信号单一和预测精度不足的问题，提出了一种基于注意力机制的堆叠LSTM (long short-term memory，长短期记忆网络)的多传感器信息融合刀具磨损预测方法。对多传感器信号进行预处理，然后提取多域特征，利用核主成分分析法对其进行特征级信息融合，得到后续网络的输入。采用基于注意力机制的堆叠LSTM网络模型，使得网络能够自适应地学习数据的重要信息，在PHM2010的数据集上预测精度达到99.9%。通过与其他算法的对比试验和加入人工噪声的方法，验证了本文所提出的模型的高精度和鲁棒性。

关键词

刀具磨损 / 核主成分分析(KPCA) / 信息融合 / 注意力机制 / 鲁棒性