技术特征：
技术总结
本发明公开了一种基于自注意力机制与深度学习的刀具磨损量预测方法。数控机床加工中安装测力计、加速度传感器和声传感器，采集铣削过程中的切削力、振动信号和声音信号，并测量刀具磨损量；对传感器测量数据进行预处理，与刀具磨损量标签组成训练数据；建立基于自注意力机制与深度学习的神经网络预测模型，包含自注意力层、双向长短时记忆网络和全连接网络；将训练数据输入预测模型中训练预测模型；将测试数据输入训练好的预测模型中，实时地预测刀具的磨损量。本发明充分挖掘了传感器测量数据中与刀具磨损相关的特征信息，并提取了不同时刻传感器测量数据之间的依赖关系，可以对刀具磨损量进行实时预测。
技术研发人员：刘振宇;张朔;刘惠;郏维强;谭建荣
受保护的技术使用者：浙江大学
技术研发日：2019.07.18
技术公布日：2019.10.22