[发明专利]一种基于分布式学习的刀具寿命预测方法

说明书

本发明公开了一种基于分布式学习的刀具寿命预测方法，包括：第一终端将本地数据中的刀具特征数据输入至本地持有的本地模型中，获取本地模型输出的刀具寿命预测结果，并根据刀具寿命预测结果和本地数据中的刀具寿命标签得到本地训练损失，将本地训练损失发送至第二终端；第二终端获取各个第一终端分别发送的本地训练损失，基于各个本地训练损失更新目标模型的参数，目标模型的结构和本地模型的结构相同；第二终端基于目标模型进行刀具寿命预测。本发明可以在刀具生产厂商不会泄露本地数据的前提下，利用到多个刀具生产厂商的数据进行了数控机床使用方的模型的训练，提升数控机床使用方使用的模型预测刀具寿命的准确性。

技术领域

本发明涉及人工智能技术领域，特别涉及一种基于分布式学习的刀具寿命预测方法。

背景技术

数控机床上使用的刀具有一定的使用寿命，而且使用寿命和刀具本身的材质、性能参数、历史缺陷率以及加工工件的材质等具有很高的关联性，目前，已有采用神经网络进行刀具寿命预测的方法，但是，刀具使用方可能会在多种数控机床，加工多种不同形态材质的工件，这就需要大量多样的数据来进行训练以保证预测结果的准确性。而鉴于刀具本身的性能参数、历史缺陷率属于刀具生产厂商的秘密，包括刀具生产中的试验数据，生产厂商并不愿意分享这些数据，数控机床使用方无法获取到生产厂商的数据用于训练自己的神经网络模型，训练数据少导致模型预测结果准确度差。

因此，现有技术还有待改进和提高。

发明内容

针对现有技术的上述缺陷，本发明提供一种基于分布式学习的刀具寿命预测方法，旨在解决现有技术中数控机床使用方训练数据少导致模型进行刀具寿命预测的结果准确度差的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

本发明的第一方面，提供一种基于分布式学习的刀具寿命预测方法，所述方法包括：

第一终端将本地数据中的刀具特征数据输入至本地持有的本地模型中，获取所述本地模型输出的刀具寿命预测结果，并根据所述刀具寿命预测结果和所述本地数据中的刀具寿命标签得到本地训练损失，将所述本地训练损失发送至第二终端；

所述第二终端获取各个所述第一终端分别发送的所述本地训练损失，基于各个所述本地训练损失更新目标模型的参数，所述目标模型的结构和所述本地模型的结构相同；

所述第二终端基于所述目标模型进行刀具寿命预测。

所述的基于分布式学习的刀具寿命预测方法，其中，所述本地模型包括特征提取模块和预测模块；所述第一终端将本地数据中的刀具特征数据输入至本地持有的本地模型中，获取所述本地模型输出的刀具寿命预测结果，包括：

所述第一终端将所述刀具特征数据输入至所述特征提取模块，获取所述特征提取模块输出的特征向量；

所述第一终端将所述特征向量输入至所述预测模块，获取所述预测模块输出的所述刀具寿命预测结果。

所述的基于分布式学习的刀具寿命预测方法，其中，所述第二终端基于各个所述本地训练损失更新目标模型的参数，包括：

所述第一终端基于所述特征向量确定目标向量，将所述目标向量发送至所述第二终端；

所述第二终端获取各个所述第一终端发送的所述目标向量，将各个所述目标向量输入至注意力模型中，获取所述注意力模型中输出的各个所述目标向量对应的权重；

所述第二终端根据各个所述目标向量对应的权重对各个所述本地训练损失进行加权求和，得到目标训练损失；

所述第二终端基于所述目标训练损失更新所述目标模型的参数。

所述的基于分布式学习的刀具寿命预测方法，其中，所述第一终端基于所述特征向量确定目标向量，包括：