多传感器融合下多工况刀具磨损状态预测的深度森林方法研究

准确监测加工过程刀具磨损状态有助于避免因刀具失效导致的产品质量问题。建立不同工况的刀具磨损监测模型,往往需要对每组工况调参以保证精度。为减少调参并保证预测精度,结合深度森林的超参数少、参数对模型不敏感和训练过程自适应等优点,利用深度森林建立了多传感器信号及多工况下自主特征选择的刀具磨损状态预测模型。基于3组不同工艺参数下TC18铣削过程的多传感器及磨损数据,以及预测与健康管理(PHM)学会2010年高速数控机床刀具健康预测竞赛的开放数据,深度森林在3组工况的预测精度分别为95.35%、96.63%和97.06%,在PHM数据上为98.95%,验证了深度森林对多工况下刀具磨损预测的高精度和适用性,为在线监测技术提供了有力的指导。