科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对历史工况条件下建立的刀具数字孪生模型对新工况监测的准确度降低，且新工况下又缺乏足够的训练样本重新训练模型的问题，本文将深度迁移学习策略引入刀具数字孪生模型，即建立刀具切削变工况数字孪生模型。其基于边缘分布适配规则，使模型学习到分布相似的源域数据特征和目标域数据特征，只需较少的目标域样本即可把源域训练好的模型迁移至目标域的监测中，从而提高刀具数字孪生模型在目标域的监测精度和适应性。经过试验验证，相较于未引入迁移策略的模型，本文建立的刀具切削变工况数字孪生模型能够提高在变工况条件下的磨损监测精度和对新工况的泛化能力。
- 单位
