集成深度学习模型

能耗预测误差小于5%

将集成学习与LSTM结合，实现对机床动态能耗的高精度预测与加工状态识别。

Yang, Xie · Yiqun, Dai · 张超勇 · 刘金锋

Journal of Cleaner Production 2025

参数信息

平均误差

<5 %

状态识别准确率

96.8 %

技术优势

预测误差小于5%

在铣削过程验证中，集成模型的能量预测平均误差低于5%，满足高精度要求。

识别准确率96.8%

基于XGBoost的状态识别模型将加工状态识别准确率提升到96.8%。

解决特征提取难题

首先用wavelet预处理功率信号，然后手动提取特征，作为集成模型的输入，有效处理动态能耗特征。

应用场景

• 机床能耗管理：用其精准预测能耗，优化机床运行策略以降低能耗成本。
• 加工过程监控：用其识别加工状态，实时监控加工过程并发现异常。
• 智能制造与工业机器人：用其提供高精度能耗与状态数据，支撑智能制造系统的决策与调度。