来源：期刊VIP网 时间：
作者：金坚;卢文壮;吴超逸;徐洛;
单位：南京航空航天大学机电学院;
摘要：刀具磨损状态的精准预测对于提高加工质量和加工效率有着重要意义，基于传统CNN的刀具磨损预测模型未考虑特征信息之间的交互汇聚，预测精度存在局限。针对此问题，本文提出一种基于全局注意力卷积神经网络（GAM-CNN）的刀具磨损预测模型。该刀具磨损预测模型在卷积神经网络基础上添加全局注意力机制，该机制通过通道和空间双注意力将卷积神经网络提取到的特征进行加权汇聚，更好地突出重要特征并与预测值进行关联。预测实验结果表明，该预测模型的MAE为13.83μm、RMSE为17.33μm、MAPE为12.58%，均优于对比的未含全局注意力机制的CNN、CAM-CNN以及PSO-SVR模型。
关键词：刀具磨损;;预测;;全局注意力机制;;卷积神经网络
基金资助：国家自然科学基金（52375444）
