基于物理引导深度学习网络的刀具磨损状态在线监测方法

本发明公开了一种基于物理引导深度学习网络的刀具磨损状态在线监测方法，是结合了刀具磨损退化过程中的物理规律与深度学习技术，并包括：1、采集加工实验数据并构建实际训练数据集；2、物理模型扩充训练数据样本并构建仿真训练数据集；3在深度学习网络中加入周期特征提取单元、单调递增单元和物理引导模块，构建物理引导深度学习的刀具磨损状态在线监测网络；4、构建物理引导的深度学习损失函数；5、利用仿真实验数据对模型进行预训练，之后使用少量实际数据对模型进行微调优化，获得最优刀具磨损状态监测网络，从而对当前刀具磨损进行预测。本发明方法适应性强、鲁棒性好，能够在复杂多变的加工环境中对刀具状态进行准确监测。