摘要
本申请提供了一种基于深度学习的机械加工刀具磨损监测方法，包括：获取多模态监测数据，并对多模态监测数据进行预处理，得到监测数据集；对刀面磨损图像进行几何特征编码，得到斜面磨损的几何参数集；将温度场矩阵和几何参数集合输入到流体动力学模型进行动态仿真，得到流场速度分布和温度梯度分布数据；将几何参数集合与流场速度分布、温度梯度分布数据输入到多模态融合深度学习模型，输出多物理场耦合特征，多物理场耦合特征包括几何特征演化趋势和流场热场耦合系数；根据多物理场耦合特征进行磨损机理建模，生成刀具磨损机理数据。采用本方法能够提升复杂工况下的机械加工刀具磨损监测的精度与实时性。
