基于GMM的纳米制造刀具磨损状态在线识别

来源：计算机集成制造系统杂志2024年第11期北京时间：

作者：程菲, 江子湛

单位：1.杭州电子科技大学管理学院2.安徽信息工程学院大数据与人工智能学院

摘要：为满足纳米制造刀具磨损状态在线诊断对时间和精度的要求,采用跨物理数据融合建模方案,建立具有物理一致性的高斯混合模型(GMM),以动态识别原子力显微镜(AFM)尖端状态。随机抽取历史加工数据,提取特征参数并进行训练,获得3维GMM模型并预存;以加窗分帧的形式,截取连续过程中短时段纳米加工力时变信号,构成瞬时稳态数据空间;以尖端旋转周期为时间单位,计算横向加工力的特征参数:极大值、峰-峰值和方差;采用马氏距离检测并去除异常值。使用预存的GMM模型,对每帧特征参数聚类,识别尖端磨损状态;根据连续分析帧的尖端失效点数据变化曲线,探测跟踪尖端状态。实验证明该算法平均识别精度为0.8917,平均召回率为0.963;每2000个点的最长识别时间为31ms,平均识别时间为23.97ms,适用于大规模纳米制造的刀具磨损在线自动诊断。

关键词：纳米加工,刀具磨损在线诊断,高斯混合模型,机器学习,数据融合集成制造

基金资助：浙江省社会科学界联合会资助项目(2022N31);安徽省自然科学基金资助项目(2008085MF201);安徽省哲学社会科学规划一般项目(AHSKY2021D142)。