[发明专利]一种基于增量学习的不同工况下刀具磨损预测方法

权利要求书

1.一种基于增量学习的不同工况下刀具磨损预测方法，包括以下步骤：

步骤1：定义刀具在原始工况下的预测模型为已知，在面临新的工况样本时，将新的工况样本数据按已设定好的迭代次数和步长进行迭代，在迭代过程中，对新的工况样本数据同原始工况数据进行VT警戒值检验和CT约束检验；若两者均通过检验(小于两者阈值)，将其归为原始工况数据中，以扩充原始数据集的容量；若未通过检验或者只通过其中一个检验，则将其编码为新的刀具状态；

步骤2：对不断输入的新的工况数据按步骤1进行实时更新，直至对所有训练样本完成训练。

2.如权利要求1的一种基于增量学习的不同工况下刀具磨损预测方法，影响刀具磨损的工况可分为四类，刀具、机床、工件、加工参数，其中选择三向切削力信号作为评判信号。

3.如权利要求1的一种基于增量学习的不同工况下刀具磨损预测方法，所述步骤1中，对编码为新的刀具状态的数据作为输入，在EAM模型中进行学习训练，得到新的警戒参数值ρ和设定参数ω，实现对模型参数的调整。

4.如权利要求1的一种基于增量学习的不同工况下刀具磨损预测方法，所述步骤1中刀具在原始工况下的切削力信号特征提取类型为时域特征、频域特征和时频域特征。

5.如权利要求1的一种基于增量学习的不同工况下刀具磨损预测方法，所述方法采用交叉验证法得到最终预测准确率判断结果，进行EAM模型参数的调整。