33 / 2025-05-10 18:28:46

A Tool Wear Condition Recognition Model Based on GBDT-GRU

Milling processing, Signal processing, GBDT, GRU, Feature selection, Tool wear.

刀具磨损状态监测对于提高加工效率和确保产品质量至关重要。传统的刀具磨损状态监测方法在处理复杂的非线性关系和时间依赖性时显示出不足的预测准确性和泛化性。为了解决这些问题，本文提出了一种集成了 GBDT 和 GRU 的新型刀具磨损状态监测模型。所提出的模型由三个主要部分组成：数据预处理模块、GBDT（梯度提升决策树）特征选择模块和 GRU （门控循环单元）训练模块。鉴于刀具磨损受多种因素影响，在信号采集和预处理之后使用 GBDT 方法进行特征选择。此步骤旨在识别显著影响刀具磨损的关键特征，从而降低数据维度并提高监控模型的效率。随后，利用 GRU 模型捕获时间依赖关系并准确识别刀具磨损情况，从而提高监测精度和泛化能力。来自公共和实验室数据集的实验结果证明了该模型的有效性和泛化性，训练准确率分别为 98.9% 和 97.8%。