刀具磨损预测多模型

误差降15%

面向多工况刀具磨损预测的多模型方法，显著降低预测误差。

Dong, Jingchuan · Tao, Chen · Yubo, Gao · Depeng, Su · Hongyu, Jiang

Measurement Science and Technology 2024

参数信息

均方根误差降低

15 %

平均绝对误差降低

18 %

技术优势

误差明显更低

通过相关对齐降低特征对数据分布变化的敏感性，多模型集成扩展决策边界，实验验证 RMSE 降低 15%、MAE 降低 18%。

跨工况更稳健

相关对齐机制使提取的深层时序特征对刀具个体和加工参数引起的数据分布变化不敏感，从而在不同工况下保持预测性能。

多模型扩展决策边界

联合决策模块自适应聚合多个模型的初步预测，比单一模型覆盖更广的信号模式，提升海量信号下的可靠性。

应用场景

• 机械加工：在铣削等加工过程中实时预测刀具磨损，保证零件加工质量。
• 刀具状态监测：利用多传感器信号监测刀具状态，跨个体和参数差异稳定预测磨损。
• 机床健康管理：准确预测刀具磨损以支持机床健康管理，减少非计划停机。
• 智能制造：以数据驱动的多模型预测支撑智能制造中的设备维护决策。