一种基于迁移学习增强WM-GRU神经网络的铣削力预测方法

本发明公开了一种基于迁移学习增强WM‑GRU神经网络的铣削力预测方法，考虑刀具磨损机制，通过刀具磨损对加工过程铣削力的影响关系，建立WM‑GRU预测模型，由GRUW先预测刀具磨损，再将预测结果传递给GRUM，GRUM综合刀具磨损和切削参数进行铣削力预测；制定迁移增强训练策略，通过参数迁移、特征共享和领域适配与WM‑GRU预测模型进行融合，基于渐进式迁移微调，实现了目标域的高精度适配，完成了基于迁移学习与WM‑GRU神经网络深度融合的铣削力预测模型的搭建，最终实现铣削力的预测。本发明弥补了基于机理建立的铣削力预测模型的不完整性以及基于纯数据驱动建立的铣削力预测模型解释性差的不足，并通过引入迁移学习提高了模型在目标域上的预测性能。