变工况背景下基于域泛化和元学习的小样本刀具磨损预测方法

来源：计算机集成制造系统杂志2025年第9期北京时间：

作者：孙安东, 莫轩东, 胡小锋

单位：上海交通大学机械与动力工程学院

摘要：在机械加工过程中,工况变化会引起数据分布变化,且新工况下数据难以获得,直接使用历史数据会导致刀具磨损预测效果变差。针对上述问题,提出一种基于域泛化和元学习的小样本刀具磨损预测方法,对变工况下的刀具磨损进行预测。以工艺参数为依据将切削过程历史数据划分为预训练集和微调集,在预训练阶段通过迭代训练子任务的方式提高模型泛化能力,最后通过模型微调将预训练模型泛化到目标工况数据中,使其更好地适应目标工况的刀具磨损预测任务。在NASA铣削数据集和汽轮机转子轮槽铣削数据集上将所提方法与多种方法进行对比,结果显示所提方法的预测效果显著优于对比方法,具有较强的普适性,表明所提方法能很好地解决变工况背景下的刀具磨损预测问题。

关键词：变工况,域泛化,元学习,小样本,刀具磨损预测