来源：期刊VIP网 时间：
作者：赵文博;黄民;
单位：北京信息科技大学机电工程学院;
摘要：针对铣削加工过程中铣刀磨损状态监测准确率较低这一问题，提出一种基于强化蜣螂算法(OTDBO)优化卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的刀具磨损状态监测模型。对于蜣螂算法自身收敛精度低且易于陷入局部最优解的问题，提出一种融合鱼鹰优化算法与自适应t分布的OTDBO算法，通过对比蜣螂算法(DBO)、减法优化器算法(SABO)、北方苍鹰算法(NGO)、鲸鱼算法(WOA)、哈里斯鹰优化算法(HHO)、灰狼优化算法(GWO)等几种主流寻优算法，得出OTDBO算法的优越性。再与CNN-BiLSTM模型结合搭建OTDBO-CNN-BiLSTM刀具故障诊断模型。为进一步挖掘故障特征，利用多域分析提取信号中蕴含的深层次故障特征分量，作为OTDBO-CNN-BiLSTM模型的输入量。实验表明，该方法对于刀具磨损值的预测更为准确，与其他模型相比结果更优，证明所提方法的准确性和可行性。
关键词：刀具磨损监测;;卷积神经网络;;双向门控循环神经网络;;蜣螂算法
基金资助：工信部高质量发展项目(ZTZB-22-009-001)
