刀具切削变工况数字孪生模型构建方法

针对历史工况条件下建立的刀具数字孪生模型对新工况监测的准确度降低，且新工况下缺乏足够训练样本重新训练模型的问题，将深度迁移学习策略引入刀具数字孪生模型，建立刀具切削变工况数字孪生模型。该模型基于边缘分布适配规则，使模型学习到分布相似的源域数据特征和目标域数据特征，只需较少的目标域样本即可将源域训练好的模型迁移到目标域进行监测，从而提高刀具数字孪生模型在目标域的监测精度和适应性。实验验证，相比未引入迁移策略的模型，所建模型能够提高变工况条件下的磨损监测精度和对新工况的泛化能力。