机械工程学报

作者：程英豪, 刘长青, 庄其扬, 李光旭, 郝小忠

单位：南京航空航天大学机电学院 南京 210016

关键词：切削力,加工状态监测,自适应加工,循环神经网络,伺服监测信号；

切削力对切削状态的变化具有高度敏感性和快速响应能力，是用于加工状态监测和自适应加工最有价值的物理量。由于无须引入额外的传感元件，基于数控系统内部伺服监测信号的切削力在线预测方案，有潜力实现切削力的长期低成本准确监测。然而，伺服监测信号和切削力之间的关系十分复杂，为此提出基于循环神经网络的切削力在线预测方法。首先将基于机床伺服监测信号的进给轴切削力预测问题定义为自适应时滞的非线性动态系统建模问题，进而引入长短期记忆(Long short-term memory,LSTM)神经网络和门控循环单元(Gated recurrent unit,GRU)神经网络两类循环神经网络直接从端到端观测数据中学习动态预测模型。通过一组变转速变进给孔铣削试验构造时变工况下的切削激励数据集进行对比验证，结果表明，对于动态特性更为复杂的X轴，LSTM神经网络的预测性能更好，相对方均根误差为17.62%；对于动态特性相对简单的Y轴，GRU神经网络的预测性能更好，相对方均根误差为11.74%。

来源：2025年第6期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第6期