基于PPRMS和循环神经网络的刀具磨损趋势预测

针对数控机床的刀具加工过程中噪声干扰大、磨损特征微弱导致其寿命退化趋势难以预测等问题,提出了一种基于PPRMS和循环神经网络的刀具磨损趋势预测方法。采用峰峰值(Peak to Peak)计算刀具寿命状态数据的幅值波动性大小,利用高斯4σ准则剔除异常值,抑制随机噪声的干扰;采用均方根值(Root Mean Square,RMS)计算刀具健康因子,结合Bi-LSTM和Bi-GRU网络搭建刀具磨损趋势退化预测网络模型,提取出刀具磨损退化微弱特征。在全寿命公开数据集PHM-2010上验证了所提方法的有效性,预测误差MSE、RMSE和MAE均优于单一的Bi-LSTM模型。