基于改進(jìn)LSTM-AdaBoost的銑刀磨損量預(yù)測(cè)

摘要： 針對(duì)銑刀磨損量預(yù)測(cè)時(shí)精度低的問題，提出一種基于黑寡婦算法（BWO）優(yōu)化的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）與AdaBoost集成學(xué)習(xí)算法相結(jié)合的銑刀磨損量預(yù)測(cè)方法。在銑刀磨損振動(dòng)信號(hào)中提取時(shí)域、頻域以及時(shí)頻域多域特征。通過BWO算法優(yōu)化LSTM的核心參數(shù)，并將優(yōu)化后的LSTM網(wǎng)絡(luò)與AdaBoost算法進(jìn)行結(jié)合，構(gòu)建銑刀磨損量預(yù)測(cè)模型。最后用PHM Society 2010銑刀全壽命...