2024年《中国机械工程》优秀论文评选活动于2024年11月启动以来，经过初审、评审委员会复审，并综合考虑被引频次、下载次数、基金支持情况、论文所属项目获奖情况及实践应用情况，共评选出综述类论文10篇，学术研究类论文15篇，工程前沿类论文15篇，共40篇优秀论文。

张松教授团队论文《采用改进的CNN-BiLSTM模型的刀具磨损状态监测》入选优秀论文。研究生刘会永为第一作者，张松教授为通讯作者，山东大学为唯一完成单位。

该论文自发表以来，先后入选中国学术期刊（光盘版）高被引论文、高下载论文和高PCSI论文，以及2024年度“领跑者5000——中国精品科技期刊顶尖学术论文（F5000）”

采用改进的CNN-BiLSTM模型的刀具磨损状态监测

论文简介

自动化切削加工过程中，准确可靠地监测刀具磨损状态是保证加工质量和加工效率的关键。针对刀具磨损状态相关特征提取繁琐、准确率低及传统的深度学习网络不能全面提取数据隐含信息等问题，提出了一种以卷积神经网络(CNN)和双向长短时记忆(BiLSTM)网络集成模型为基础并通过在卷积神经网络中添加批量标准化层和采用两个双向长短时记忆网络层的改进模型，该模型通过自动提取小波阈值降噪等预处理和降采样后的切削力、振动和声音信号的空间和时序特征来实现刀具磨损状态监测。将改进模型与CNN-BiLSTM 模型及传统的深度学习模型进行对比，发现改进模型在精度和稳定性方面有较大提升。所提方法为准确监测自动化加工过程中刀具磨损状态、提高生产效率和加工质量提供了技术支持。

 ICNN-BiLSTM模型示意图

   本模型刀具磨损预测效果

 引用格式

刘会永, 张松, 李剑峰, 栾晓娜. 采用改进CNN-BiLSTM模型的刀具磨损状态监测[J].中国机械工程, 2022, 33(16): 1940-1947. DOI: 10.3969/j.issn.1004-132X.2022.16.007