基于轻量化SE-ResNet和增量学习的铣刀磨损状态预测方法
来源：计算机集成制造系统杂志2026年第1期北京时间：
作者：李孝斌, 王云龙, 尹超, 李波, 肖博
单位：1.重庆大学机械与运载工程学院2.重庆大学高端装备机械传动全国重点实验室
摘要：在航空叶片、精密轴承等典型零件的铣削加工过程中,工况变化会引起数据分布变化,这使得基于有限历史工况数据训练的模型难以适应新工况的数据分布,从而导致模型在变工况下的预测性能下降。针对上述问题,提出一种基于轻量化压缩激励残差网络(SE-ResNet)和增量学习的铣刀磨损状态预测方法。该方法利用轻量化SE-ResNet模型参数少、便于更新的特点,在预训练阶段完成模型的初始化,并通过增量学习在新工况数据上逐步更新模型,以适应变化的数据分布,从而提高变工况条件下铣刀磨损状态预测的准确性。实验结果表明,相较于多种对比方法,所提方法在变工况条件下具有更优的预测性能。
关键词：变工况,增量学习,铣刀磨损状态预测,SE注意力机制
基金资助：国家重点研发计划资助项目(2023YFB3308001);国家自然科学基金资助项目(52075060);重庆市自然科学基金面上资助项目(CSTB2022NSCQ-MSX1283)。
