张 宇 刘丽冰 李 鸣 盖丽雅

(①河北工业大学机械工程学院，天津 300130；②南昌大学信息工程学院，江西 南昌 330031;③沈阳机床(集团)有限责任公司，辽宁 沈阳 110142)

刀具工况直接影响加工效率和工件质量，因此刀具工况在线监测是实现高性能加工的重要环节。刀具工况监测分为直接型和间接型两种方法[1]，直接型方法直接测量刀具的实际磨损值，如光学仪器测量法、机器视觉法、放射性同位素法、激光或电阻法；间接型方法通过测量一些间接反映刀具工况的信号，如切削力[2]、振动[3]、声发射[4]、电动机功率/电流、噪声等，间接估计刀具磨损状态。直接型方法测量精度高，但往往操作复杂且对测试设备及测试条件要求较高，一般仅适用于实验室研究，间接型方法对工程现场有较好的适应性，目前刀具工况在线监测多使用间接测量方法。研究表明间接法中对刀具工况最敏感的信号是切削力、声发射和振动信号[1]。目前常用的间接法监测流程是首先采集传感器信号并提取特征量，然后再利用各种线性或非线性数据降维方法进行数据降维处理，将处理后的特征数据和工况类型构成训练样本数据集，最后利用训练样本数据集训练工况决策系统。虽然一些研究取得了较好的监测效果[5]，但同时也存在着明显的缺陷。

目前常用监测方法多是基于有监督学习的分类器，如隐马尔科夫、模糊回归模型、神经网络、深度卷积神经网络、贝叶斯网络和支持向量机等[6]，需……