机床与液压

作者：李进，施云高，朱锟鹏

单位：安徽大学物质科学与信息技术研究院；常州先进制造技术研究所智能装备技术研究中心；常州先进制造技术研究所智能装备技术研究中心；中国科学院合肥物质科学研究院智能机械研究所

关键词：Informer网络模型;多尺度和频率通道注意力机制（MSFCA）;刀具磨损监测;高速铣削;特征增强

基金：国家自然科学基金面上项目（52175528）

刀具状态监测是智能制造的重要环节，精确评估与预测刀具磨损状态已成为确保零件质量及加速智能制造进程的关键。然而，现有刀具磨损状态监测模型常面临对时间序列长期依赖关系理解能力有限与特征丢失问题。为此，提出一种基于多尺度和频率通道注意力机制(MSFCA)的改进Informer深度学习模型——Informer-MSFCA。该模型以力、振动和声音3类传感器信号作为输入，利用皮尔逊相关系数对特征进行筛选和融合。通过引入两个不同大小的卷积核整合局部与全局特征，有效捕捉刀具磨损状态时间序列中的多尺度特征。同时，引入离散余弦变换技术，以增强时域信息提取能力。这些改进有效缓解了深度学习网络在训练过程中常见的特征消失问题。实验结果表明：Informer-MSFCA模型在不同加工参数设置下均展现出了优于对比模型的预测性能，具有更高的预测精度。

来源：2025年第21期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第21期