数据受限条件下基于改进自编码器多层感知机的机床工作空间刀尖点模态参数预测

来源：计算机集成制造系统杂志2026年第5期北京时间：

作者：邓聪颖, 游倩, 苗建国, 禄盛

单位：1.重庆邮电大学集成电路学院2.重庆邮电大学自动化学院

摘要：采用传统代理模型精确预测机床工作空间不同悬伸量下的刀尖点模态参数,需重复大量锤击实验获取充足的训练集而增加建模成本。为此,基于改进自编码器多层感知机,提出有限样本下变悬伸量加工位置的刀尖点模态参数预测方法。首先,将传统自编码器的重构样本循环输入编码器,增加原始样本与重构样本的特征对齐损失;其次,将所有悬伸量加工位置组合输入自编码器,通过数据重构获取中间特征;然后,将少量带标签的中间特征传递至多层感知机;最后,联合重构损失、对齐损失和监督损失训练刀尖点模态参数预测模型。以机床的3把刀具开展实例验证,不同已标记加工位置比例下,所提方法的预测误差均优于直接采用有标签样本所建模型及其余对比模型。

关键词：刀尖点频响函数,半监督学习,改进自编码器,多层感知机,有限样本

基金资助：国家自然科学基金资助项目(51705058);重庆市教委科学技术研究项目(KJQN202300640,KJZD-K202300611)。