准确预测刀具磨损是一个具有挑战性的问题。如何结合各种信号的优势,融合传感器信号特征来提高预测精度,是一个关键问题。为解决上述问题,提出基于时间卷积长短时记忆网络(TCN-LSTM)的多域特征融合刀具磨损预测方法。收集来自不同传感器的信号,在时域、频域上对不同传感器信号分别进行特征提取,时频域上利用变分模态分解算法将原始信号分解并计算每个分量的能量来构成多域特征向量。使用皮尔逊相关系数法对多域特征进行优化,经优化后构成的多域特征矩阵作为模型的输入,通过TCN-LSTM模型有效地学习了所获得的多域特征矩阵与实时刀具磨损之间的复杂关系。最后,在干式铣削条件下进行3组刀具磨损实验对所提出的方法进行了验证。实验结果表明:所提出的方法比对比模型的预测准确率更高,泛化能力更好。

为提高高压水射流在辅助大型沉井沉降施工中的效率,对水射流关键元件喷嘴进行选型和结构优化,要求射流具备高能量、低衰减特性。从4类回转形喷嘴中优选速度衰减小的喷嘴,确定合理的速度衰减研究指标,再结合尺寸参数设计正交实验,利用回归分析建立预测模型,可以确定各个尺寸参数对速度指标的影响程度。由高压泵站输入压力和流量确定喷嘴的最大直径,再由预测模型确定最佳喷嘴是出口直径2.8 mm、入口直径5.26 mm、收缩角为12.3°的锥形喷嘴。