基于深度学习与注意力机制的刀具磨损监测方法研究.pdf

哈尔滨理工大学工学硕士学位论文

基于深度学习与注意力机制的刀具磨损监测

方法研究

摘要

在航空航天工业中，叶轮叶片等薄壁类零件有广泛的应用，该类零件具有

结构复杂、壁薄、刚度弱、表面精度要求高等特点，导致此类型的零件加工难

度较大，表面精度与质量问题难以得到保证。刀具作为数控机床加工各类零部

件时的关键执行部件，其磨损状态直接影响着工件的质量和机床的效率。针对

加工过程中磨损信息的冗余和缺失、刀具磨损过渡阶段的模糊区域这些问题进

行研究，可以有效地减少刀具磨损信息的误判。本文以切削加工中的刀具磨损

状态作为研究对象，对减少不同磨损阶段之间的模糊区域与加工过程信息的互

补进行研究，提出一种基于多维注意力机制与多源信息融合的刀具磨损识别与

预测模型，主要研究内容如下：

（1）针对目前时域、频域、时频域信号处理方法存在原始信息丢失的问

题，本文通过连续小波变换实现切削加工过程中时域信息与时频图像的转换，

建立刀具磨损时频信息与刀具磨损状态之间的映射。同时，运用EM聚类算法

实现其磨损状态的分类，为后文刀具磨损状态识别模型与刀具磨损预测模型奠

定了数据基础。

（2）针对刀具磨损状态识别不同阶段之间模糊区域的问题，考虑不同刀

具磨损特征信息对刀具磨损状态的识别具有不同影响，搭建了通道注意力机制

与空间注意力机制，赋予刀具磨损状态识别模型对刀具磨损强相关特征选择能

力。考虑多维注意力机制在刀具磨损状态识别模型中的综合影响，还需要针对

其嵌入位置进行分析。

（3）提出了一种基于通道-空间注意力机制的刀具磨损状态辨识模型，针

对模型的结构进行了合理的训练参数筛选，并通过三种模型评价指标对其他深

度学习方法识别刀具磨损状态进行了性能分析，证明所提出方法在实现刀具磨

损状态识别上具有较高的准确度。

（4）提出了基于多源信息融合与多维注意力机制联合驱动的刀具磨损状

态识别模型。搭建了多源信息融合模块，实现加工过程刀具磨损信息的互补。

-I-

哈尔滨理工大学工学硕士学位论文

在此基础上，搭建了刀具磨损预测模型，并与其他深度学习方法进行了对比，

实现模型的性能分析。基于叶轮叶片铣削加工实验，证实了所搭建的模型具有

较好的预测性能。

关键词刀具磨损预测；刀具磨损状态识别；深度学习；注意力机制；多源信息

融合

-II-

哈尔滨理工大学工学硕士学位论文

Researchontoolwearmonitoringmethodbasedon

deeplearningandattentionmechanism

Abstract

Intheaerospaceindustry,thin-walledpartssuchasimpellerbladesarewidely

used.Thiskindofparthasthecharacteristicsofcomplexstructure,thinwall,weak

stiffnessandhighsurfaceaccuracy.Thisleadstotheprocessingofthistypeofpartis

moredifficult,andthesurfaceaccuracyandqualityproblemsaredifficulttobe

guaranteed.ToolisthekeypartofNCmachinetoolwhenmachiningvariousparts,its

wearstatedirectlyaffectsthequalityoftheworkpieceandtheefficiencyoft