【技术实现步骤摘要】
本专利技术属于切削功率预测，具体是一种基于物理引导双线程多模态数据驱动的切削功率预测方法。
技术介绍
1、现有的切削功率预测主要分为两种：直接模型和间接模型。直接模型大多是以切削参数、刀具特性、材料特性以及加工过程中的材料去除率和其它影响参数作为输入，预测切削功率，通常在理想工况下建立，难以全面应对实际加工中复杂多变的环境条件，因而在复杂工况下的预测精度难以保证。间接模型一般是基于深度学习进行建模，但其本质属于黑箱模型，缺乏物理可解释性，预测结果的可靠性和泛化能力仍存在不足。然而，这些模型都忽略了切削过程中表面回弹高度对切削功率的影响，表面回弹高度不仅是切削后材料力学状态的反映，也是切削过程中能量耗散、弹性恢复与应力场分布综合效应的表征，其与切削能耗存在直接的物理关联。
技术实现思路
1、针对现有技术的不足，本专利技术拟解决的技术问题是，提供一种基于物理引导双线程多模态数据驱动的切削功率预测方法。
2、本专利技术解决所述技术问题采用如下的技术方案：
3、一种基于物理...
【技术保护点】
1.一种基于物理引导双线程多模态数据驱动的切削功率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于物理引导双线程多模态数据驱动的切削功率预测方法，其特征在于，第三步中，降维过程为：
3.根据权利要求2所述的基于物理引导双线程多模态数据驱动的切削功率预测方法，其特征在于，0阶反余弦核函数为：
4.根据权利要求1～3任一所述的基于物理引导双线程多模态数据驱动的切削功率预测方法，其特征在于，所述切削功率数据驱动预测模型包括Transformer网络的位置编码结构和编码器、双向长短期记忆网络；输入特征经过Transform...
【技术特征摘要】
1.一种基于物理引导双线程多模态数据驱动的切削功率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于物理引导双线程多模态数据驱动的切削功率预测方法，其特征在于，第三步中，降维过程为：
3.根据权利要求2所述的基于物理引导双线程多模态数据驱动的切削功率预测方法，其特征在于，0阶反余弦核函数为：
4.根据权利要求1～3任一所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。