万鹏，李迎光，刘长青，华家玘

南京航空航天大学 机电学院，南京 210016

钛合金、高温合金等难加工材料广泛应用于航空航天复杂结构件。在难加工材料切削加工过程中，刀具更容易发生失效[1-2]。刀具失效会直接影响零件的加工质量，甚至会造成零件报废、机床损坏等严重损失[3]。国内某航空制造企业加工钛合金整体结构件时，因缺乏可靠的刀具状态监测手段，刀齿断裂后继续加工导致零件烧蚀，造成高达百万元的损失[4]。在实际生产中，刀具的更换策略主要由操作工人的经验决定，难以准确判断刀具的磨损状态。因此，为了避免刀具在加工过程中发生突然失效而损坏零件，企业通常会在刀具还远未达到磨钝标准时更换刀具。这种方式会造成刀具使用寿命的严重浪费。有研究表明，在实际加工中，数控加工刀具只有50%～80%的使用寿命得到了有效利用[5]，频繁换刀还会降低加工效率和加工连续性。因此，为了提高航空航天复杂结构件的加工效率和精度，在切削加工过程中进行刀具磨损在线预测十分必要。

基于监测数据的刀具磨损在线预测是目前采用的主流方法，然而在实际加工过程中，切削参数、刀具几何参数、刀具材料等工况复杂多变，工况信息和刀具磨损程度对监测信号的耦合作用为刀具磨损预测带来了很大挑战[6]。针对变工况下难以实现刀具磨损精确预测的问题，本文提出一种基于域对抗门控网络(Domain Adversarial Gating Neural Network，DAGNN)的变工况刀具磨损精确预测方法，通过引入域对抗门控网络从不同工况的原始监测信号中自适应提取出表征刀具磨损且对工况变化不敏感的关键信号特征。……