科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了采用基于神经网络方法预测刀具磨损值时在多工况条件下进行有效迁移，提出一种结合模型无关元学习(MAML)与多头注意力(MHA)模型的方法，预测多工况下刀具的磨损值。首先通过多传感器收集刀具切削过程中的多维信息，从中提取时域频域和时频域的特征信息，以构建时频特征矩阵；其次将MHA模型作为基模型，利用历史工况信息构建的时频特征样本，通过MAML方法训练该模型，获得最优的MHA模型初始化参数；然后最优的初始化MHA模型通过少量的初始磨损样本迭代训练几次来适应新工况，从而预测新工况的刀具磨损值；最后通过相关实验验证，该方法在多工况下的刀具磨损值预测中能够有效进行模型迁移。
- 单位
