基于CEEMDAN-LSTM-MHSA的磨削砂轮剩余使用寿命预测方法研究
迟玉伦
黄浩伦
上海理工大学 机械工程学院,上海 200093
摘要：[目的]针对传统信号重构依赖先验知识和人为经验导致模型通用性下降,无法兼顾砂轮修整寿命和更换寿命预测的问题,用完全自适应的噪声互补集成经验模态分解(Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、多头自注意力(Multi-Head Self-Attention,MHSA)机制和长-短时记忆(Long-Short Term Memory,LSTM)网络替换人工信号重构流程,提出一种基于CEEMDAN-LSTM-MHSA的通用砂轮寿命预测方法.[方法]首先,根据频率特征,利用CEEMDAN将磨削声发射和振动信号分离固有模态函数(Intrinsic Mode Function,IMF);其次,使用多个LSTM网络提取各IMF中的时域特征,通过MHSA建立影响因素特征与砂轮表面和直径变化之间的依赖关系,并构建砂轮修整和更换健康指标(Health Index,HI)曲线;然后,通过孤立森林异常检测算法和指数加权移动平均(Exponential Weighted Moving Average,EWMA)改善HI曲线的单调性和平滑度,并利用支持向量回归(Support Vector Regression,SVR)拟合HI曲线,结合HI曲线的阈值,实现对砂轮剩余使用寿命(Remaining Useful Life,RUL)的预测;最后,进行连续磨削和砂轮修整试验验证.[结果]结果表明,所提模型可对砂轮修整寿命和砂轮更换寿命进行准确预测,有效增强了砂轮RUL预测中的通用性.
关键词：砂轮磨损寿命预测深度学习特征提取在线预测
分类号：TG71(刀具、磨料、磨具、夹具、模具和手工具)
论文发表日期：2026-06-30
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：16( 29-44 )
英文信息