针对同一工况下不同刀具磨损预测建模中的数据分布不同,从而导致的历史模型失效问题,提出了一种基于多通道一维卷积神经网络的刀具磨损动态预测建模方法。历史刀具磨损数据训练的多通道一维卷积神经网络,作为初始的刀具磨损预测历史模...针对同一工况下不同刀具磨损预测建模中的数据分布不同,从而导致的历史模型失效问题,提出了一种基于多通道一维卷积神经网络的刀具磨损动态预测建模方法。历史刀具磨损数据训练的多通道一维卷积神经网络,作为初始的刀具磨损预测历史模型。最大均值差异(maximum mean difference, MMD)法对不同刀具磨损数据进行相似度检测,当相似度相差较大时,在历史模型的基础上进行迭代更新,更新后的模型再对磨损数据进行预测。铣削试验验证结果表明,该方法能够准确预测不同刀具的磨损值大小,具有较好的自适应能力。展开更多
文摘针对同一工况下不同刀具磨损预测建模中的数据分布不同,从而导致的历史模型失效问题,提出了一种基于多通道一维卷积神经网络的刀具磨损动态预测建模方法。历史刀具磨损数据训练的多通道一维卷积神经网络,作为初始的刀具磨损预测历史模型。最大均值差异(maximum mean difference, MMD)法对不同刀具磨损数据进行相似度检测,当相似度相差较大时,在历史模型的基础上进行迭代更新,更新后的模型再对磨损数据进行预测。铣削试验验证结果表明,该方法能够准确预测不同刀具的磨损值大小,具有较好的自适应能力。
