答辩博士：牟文平
指导教师：李迎光 教授、汤立民 研高工
论文题目：数据驱动的数控加工刀具磨损量实时预测关键技术
答辩委员会：
主席：丁 汉 教 授/博导 华中科技大学
委员：王福吉 教 授/博导 大连理工大学
隋少春 研高工 成都飞机工业（集团）有限责任公司
朱如鹏 教 授/博导 南京航空航天大学
郭 宇 教 授/博导 南京航空航天大学
汤立民 研高工 成都飞机工业（集团）有限责任公司
李迎光 教 授/博导 南京航空航天大学
秘书：陆俊华 副教授/硕导 南京航空航天大学
答辩日期：2020年5月31日上午8:30
答辩地点：南航明故宫校区15-341
学位论文简介：
数控加工过程中刀具磨损状态与零件质量、加工成本以及加工效率密切相关，加工过程中精确实时预测刀具磨损量十分重要。由于复杂结构件的加工过程工况多变，现有方法无法实现变工况下刀具磨损的实时精确预测。针对以上难题，本文对数据驱动的数控加工刀具磨损量实时预测方法进行了深入研究，从刀具磨损量的自动精确测量、刀具磨损监测信号处理与刀具磨损量实时预测三个方面展开。
论文的主要研究工作：
(1) 针对磨损后刀刃原始边界缺失引起的刀具磨损量精确测量难题，揭示了刀刃磨损区域图像灰度值的变化规律，进而基于贝叶斯公式求解原始边界条件概率最大化的曲线，进而精确计算刀具磨损量。
(2) 针对变工况加工过程中刀具状态监测信号特征维度高的问题，综合考虑信号特征与刀具磨损状态和工况的相关性，基于熵权-灰色关联度分析法进行信号特征的综合指标排序与选择，进而基于流形学习对信号特征进行空间变换和降维。
(3) 针对复杂结构件加工过程中切削条件持续变化引起的刀具磨损量精确预测难题，建立元LSTM刀具磨损量精确预测模型，学习不同工况下监测信号与刀具磨损的本质变化规律，在新工况下对模型微调并适应新的预测任务。
(4) 开发了刀具磨损量预测软硬件系统，并在航空典型零件的加工中进行了应用验证。
主要创新点：
(1) 提出了基于灰度图像概率的刀具磨损量自动精确测量方法。
(2) 提出了基于熵权-灰色关联度分析和流形学习的监测信号特征选择与降维方法。
(3)提出了一种刀具磨损量精确预测的元学习方法。
