基于SSA-VMD和BiLSTM的刀具磨损状态识别

作者：刘子旭; 刘德平^*

来源：组合机床与自动化加工技术, 2023, (01): 119-123.

DOI：10.13462/j.cnki.mmtamt.2023.01.027

• 刀具磨损预测
• 双向长短期记忆网络
• 松鼠搜索算法
• 变分模态分解

针对变分模态分解(VMD)参数选取和刀具磨损特征提取困难等问题，提出了基于松鼠觅食算法(SSA)、VMD和双向长短期记忆网络(BiLSTM)的刀具磨损状态识别模型。首先，以包络熵为适应度函数，使用SSA优化VMD的参数，利用优化后的VMD分解刀具振动信号得到4组模态分量，并进行信号重构；其次，构建BiLSTM网络模型，并把信号模态分量、原始信号和重构信号一起构成特征矩阵输入模型当中，利用BiLSTM提取信号特征；最后，通过全连接层和Softmax层对刀具磨损状态进行识别。实验结果表明，SSA能够找到VMD最优参数组合，降低信号噪声，提出的SSA-VMD-BiLSTM模型在准确率和适应性方面优于传统的LSTM模型。

• 出版日期2023
• 单位郑州大学