一种融合数字孪生和深度学习的铣削机器人刀具磨损状态实时监测方法

本发明提供一种融合数字孪生和深度学习的铣削机器人刀具磨损状态实时监测方法，基于数字孪生系统和CNN‑LSTM深度学习模型，首先利用CNN网络对数据进行特征提取，然后，将CNN提取的特征序列输入到LSTM网络中，利用LSTM网络对序列数据进行建模，学习刀具磨损状态的时序特征；利用加工历史数据集对刀具磨损监测模型进行训练；通过迁移学习技术，使用现场实际加工数据对模型进行再训练，以在线分析和预测刀具的磨损值。