摘要
分析刀具-刀柄结合状态变化时的数控铣削稳定性,其效率因需重复测量刀尖点频响函数而降低。针对此问题,引入迁移学习提出仅需测量目标刀具少量悬伸量下刀尖点频响函数的铣削稳定性预测方法。首先,测量源刀具多个悬伸量和目标刀具少量悬伸量的刀尖点频响函数,采用铣削稳定性解析法获取各铣削参数组合的加工振动状态信息,构建充足的源域数据和少量的目标域数据,并通过源域和目标域的相似匹配筛选源域样本,然后结合神经网络和TrAdaBoost迁移学习算法,自适应更新源域与目标域混合样本权重,建立目标刀具的铣削加工振动状态分类器。以三组刀柄-刀具组合进行实例分析,少样本下采用迁移学习后两组目标刀具的分类器精度分别提升了10.93%、6.25%,并通过铣削实验验证了所提方法的有效性。
-
单位重庆邮电大学; 成都大学