华中科技大学史铁林团队——基于堆叠稀疏自编码器与集成学习策略的刀具磨损预测创新研究 | MDPI Sensors

背景：在计算机数控加工中，实时准确预测刀具磨损对于实现预测性维护和健康监测至关重要。研究目的：华中科技大学史铁林团队旨在提出一种创新的集成深度学习模型，以提升铣削刀具磨损预测的精度与泛化能力。该研究通过融合多传感器特征，构建了基于堆叠稀疏自编码器与反向传播神经网络的差异化预测模型体系，并进一步采用堆叠集成学习策略，以梯度提升决策树作为次级学习器进行集成。结论：实验结果表明，相较于单一模型及浅层机器学习方法，所提出的集成深度学习框架显著降低了预测误差，提高了预测稳定性，在特定数据集上取得了优异的预测性能，为智能制造领域的设备健康管理提供了有效的解决方案。