机床与液压

作者：罗长源，袁德志，李申申，朱锟鹏

单位：武汉科技大学机械工程学院；中国科学院合肥物质科学研究院智能机械研究所；武汉科技大学机械工程学院；武汉科技大学机械工程学院;中国科学院合肥物质科学研究院智能机械研究所

关键词：稀疏表示;判别字典学习;数据融合;刀具磨损状态监测

基金：国家自然科学基金面上项目（52175528）

传统的数据驱动刀具磨损状态分类依赖于特征的提取与选择，极大影响分类性能。为了实现自动提取刀具磨损状态对应的特征，提出一种基于判别字典学习的刀具磨损状态分类模型(DDLC)，此模型联合用于稀疏表示的判别字典和用于模式识别的线性分类器,模型的结构简单、复杂度低、准确率高。在训练阶段，为了增强字典学习的可判别性，在字典学习过程中引入判别稀疏编码误差、重构误差和分类误差，建立了统一的字典学习优化目标。同时将多方向力进行数据级融合作为模型的输入信号。与其他经典的刀具磨损状态监测模型进行比较，所提模型的准确率和F1分数分别为98.46%和97.62%，证明了DDLC方法在刀具磨损状态分类方面的有效性和优越性，其检测精度满足实际加工需求，为刀具磨损状态监测提供了一种新方法。

来源：2025年第4期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第4期