您当前的位置：
首页 >
文章列表页 >
基于粒子群优化算法⁃长短时记忆模型的刀具磨损预测方法
车辆工程·机械工程 | 更新时间：2025-05-26

    • 基于粒子群优化算法⁃长短时记忆模型的刀具磨损预测方法

    • Tool wear prediction method based on particle swarm optimizationlong and short time memory model

    • “在车削加工领域，专家提出了PSO-LSTM模型，实现了车刀磨损状态的实时准确监控，为提高加工稳定性提供解决方案。”
    • 吉林大学学报（工学版）   2023年53卷第4期 页码：989-997
    • 作者机构：

      武汉理工大学 机电工程学院，武汉 430070

    • 作者简介：

      吴飞（1973-），男，教授，博士.研究方向：汽车零部件性能检测，机械振动分析，CAD/CAM，数控技术.E-mail：wufei@whut.edu.cn

    • 基金信息：
      中央高校基本科研业务费专项资金项目(191004005)

    • DOI：10.13229/j.cnki.jdxbgxb.20210778    

      中图分类号： TP183

    • 收稿：2021-08-12，

      纸质出版：2023-04-01

    移动端阅览

  • 吴飞,农皓业,马晨浩.基于粒子群优化算法⁃长短时记忆模型的刀具磨损预测方法[J].吉林大学学报（工学版）,2023,53(04):989-997. DOI： 10.13229/j.cnki.jdxbgxb.20210778.

    WU Fei,NONG Hao-ye,MA Chen-hao.Tool wear prediction method based on particle swarm optimizationlong and short time memory model[J].Journal of Jilin University(Engineering and Technology Edition),2023,53(04):989-997. DOI： 10.13229/j.cnki.jdxbgxb.20210778.

  •  
  •  

0

浏览量

17

下载量

4

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于信息物理融合和数字孪生的可靠性分析
基于合成图像数据集的挖掘机关键点识别
基于增强正例与层间负例的语义相似性模型
基于深度学习的多目标跟踪研究进展综述
频率和空间特征融合的轻量级多尺度遥感图像场景分类网络

相关作者

宋林
王立平
吴军
关立文
刘知贵
姚宗伟
陈辰
高振云

相关机构

攀枝花学院 智能制造学院
西南科技大学 信息工程学院
清华大学 机械工程系
吉林大学 机械与航空航天工程学院
柳州柳工挖掘机有限公司
0