编码器-解码器结构的刀具磨损状态预测研究

摘要

针对航空钛合金加工中刀具磨损状态监测难题，提出了面向刀具磨损状态预测的编码器-解码器网络结构，构建了Transformer、BiLSTM、BiGRU等72种组合模型，通过在航空钛合金高效加工实测数据样本集上验证发现：以Transformer为编码器的模型性能最优，其中Transformer-BiGRU组合模型F1值达69.61%,显著优于GS-XGBoost(58.01%)、Attention-CNN(57.65%)等方法，研究表明基于编码器-解码器的刀具状态预测模型在航空钛合金复杂切削工况下具有显著优势，未来可通过模型优化和扩充样本数据进一步提升其性能.

关键词

编码器-解码器结构 / 刀具磨损状态预测 / Transformer / 双向循环神经网络 / 航空钛合金高效加工