基于迁移学习的变刀具-刀柄夹持状态下数控铣削稳定性预测研究

作     者：邓聪颖 邓子豪 林丽君 陈翔 马莹 禄盛 DENG Congying;DENG Zihao;LIN Lijun;CHEN Xiang;MA Ying;LU Sheng

作者机构：重庆邮电大学先进制造工程学院重庆400065 成都大学机械工程学院成都610106 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2024年第60卷第3期

页      面：296-304页

核心收录：

学科分类：080503[工学-材料加工工程] 081203[工学-计算机应用技术] 08[工学] 080203[工学-机械设计及理论] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(51705058) 中国博士后科学基金(2018M633314) 重庆市教委科技计划(KJQN202300640、 KJZD-K202300611)资助项目 

主　　题：铣削加工 稳定性预测 刀具夹持长度 迁移学习 

摘      要：分析刀具-刀柄结合状态变化时的数控铣削稳定性,其效率因需重复测量刀尖点频响函数而降低。针对此问题,引入迁移学习提出仅需测量目标刀具少量悬伸量下刀尖点频响函数的铣削稳定性预测方法。首先,测量源刀具多个悬伸量和目标刀具少量悬伸量的刀尖点频响函数,采用铣削稳定性解析法获取各铣削参数组合的加工振动状态信息,构建充足的源域数据和少量的目标域数据,并通过源域和目标域的相似匹配筛选源域样本,然后结合神经网络和TrAdaBoost迁移学习算法,自适应更新源域与目标域混合样本权重,建立目标刀具的铣削加工振动状态分类器。以三组刀柄-刀具组合进行实例分析,少样本下采用迁移学习后两组目标刀具的分类器精度分别提升了10.93%、6.25%,并通过铣削实验验证了所提方法的有效性。