基于LSTM循环神经网络电火花小孔加工工艺目标性能预测

为了更加准确地进行电火花小孔加工工艺目标性能预测,针对电火花小孔加工时非线性和非平稳的动态特性,提出了利用LSTM循环神经网络将电火花小孔加工工艺的一系列参数作为序列问题进行处理,同时考虑电火花小孔加工工艺各参数之间的内在关系,建立了电火花小孔加工工艺目标性能预测模型。通过使用直径为0.3~1.0 mm的8种规格电极,分别对不同厚度的304不锈钢材料设计了正交试验,获得大量训练样本,使用建立的预测模型分别对加工时间、电极损耗量和孔径尺寸3种目标性能进行预测。试验结果表明,该模型能够准确地映射出电火花小孔加工工艺参数之间以及工艺参数与目标性能之间的复杂关系。对比BPNN网络模型,利用LSTM循环神经网络建立的预测模型的3种目标性能预测决定系数R 2的值分别提高了1.54%、1.34%和0.85%。

资料为PDF文档格式.

本文档关键词:电火花,预测,循环,加工,神经网络