一种基于时域图神经网络和门控循环单元模型的在线刀具剩余使用寿命预测方法

本发明公开了一种基于时域图神经网络和门控循环单元模型的在线刀具剩余使用寿命预测方法，包括如下步骤：步骤一：对多传感器数据进行信号特征提取；步骤二：时域图结构数据构建；步骤三：时域图结构数据输入到TGNN‑GRU模型；步骤四：将GNN的输出作为GRU输入得到隐藏状态向量；步骤五：经过GRU输出的隐藏向量输入到全连接层中得到刀具RUL预测值。本发明通过更新构建的图结构数据的节点嵌入来挖掘刀具切削信号中的时空信息。并且能够获得包含连续切削过程中时间依赖性的隐藏状态，从而提高了在线刀具RUL预测的准确性。