《表2 测试数据上Online-LSTM模型预测值的MSE》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于在线学习的数控加工刀具寿命动态预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将试验中磨钝的10把刀具的数据用于训练和验证模型，铣削刀具达到磨损极限的切削时长约60min，每隔10s调用刀具磨损自动测量系统测量当前时刻的刀具磨损量，10把刀具总计获得数据样本约4000个。将样本的90%用于模型训练，10%用于测试模型泛化性能。刀具寿命预测模型最终训练结果为:包含两层的LSTM，其隐藏层神经元个数依次为50和30；包含一个神经元个数为25的回归层；使用了sigmoid和tanh两种激活函数；损失函数采用均方误差（Mean Square Error，MSE）；权值和偏置值都采用均值为0，标准方差为1的高斯分布来进行初始化；批次大小batch size为64，时间步长度time step为50。模型训练完成之后，在测试数据上计算刀具状态预测值的均方误差，包括刀具磨损均匀VB值的MSE，最大VB值的MSE和剩余寿命的MSE，结果如表2所示。