摘要:針對刀具故障診斷信號信噪比低、診斷結果不準確等問(wèn)題,采用局域均值分解(LMD)結合排列熵(PE)來(lái)處理采集到的刀具加工時(shí)的振動(dòng)信號,然后將提取到的特征向量輸入到訓練好的長(cháng)短期記憶神經(jīng)網(wǎng)絡(luò )(LSTM)中得到診斷結果,為了提高LSTM的診斷效率,結合卷積神經(jīng)網(wǎng)絡(luò )(CNN)對LSTM進(jìn)行了改造。試驗表明,本文提出的方法診斷準確率比BP神經(jīng)網(wǎng)絡(luò )提高了將近12%,改進(jìn)LSTM網(wǎng)絡(luò )比傳統LSTM的診斷時(shí)間縮短了50%。