来源：期刊VIP网 时间：
作者：马腾;陈彬强;姚斌;
单位：厦门大学航空航天学院;
摘要：刀具作为切削过程中状态变化最多的要素，其实时健康状态直接影响加工精度和生产质量。在同一工况下，模型在历史刀具磨损数据集下训练完成后，在新采集的刀具磨损数据集中数据分布不同，不能准确预测刀具的磨损状态。针对这一现象，提出一种基于双分支卷积神经网络和迁移学习的刀具磨损状态预测方法，双分支结构提高了网络的收敛速度和精度。迁移学习通过使用最大均值差异的方法对齐源域和目标域的边缘分布，提升模型在目标域上的性能。经实验验证，迁移后的模型在新采集数据集上预测准确率和有标签迁移学习准确率相差不大，证明该方法能够在新采集数据集上较为准确地预测刀具磨损状态。
关键词：刀具磨损;;双分支网络;;迁移学习;;最大均值差异
基金资助：国家重点研发计划(2020yfb1713500)
