机械工程学报 ›› 2026, Vol. 62 ›› Issue (18): 157-168.doi: 10.3901/JME.260778
• 特邀专栏:大模型驱动的高端装备智能运维 • 上一篇
杨展鹏1,2, 华丰3, 许云皓4, 赵鹏远1, 王映均2, 宋海涛5, 程骋1,2
YANG Zhanpeng1,2, HUA Feng3, XU Yunhao4, ZHAO Pengyuan1, WANG Yingjun2, SONG Haitao5, CHENG Cheng1,2
摘要: 交点孔的加工质量直接关系到飞机的结构性能与疲劳寿命。其镗削过程涉及机床-刀具-工件-夹具的多体耦合,系统状态具有强动态时变性,导致不同刀具间的监测信号存在显著的分布差异。传统端到端模型受限于训练数据的特定分布,难以对全新刀具的全寿命周期状态进行准确泛化。为此,提出一种基于多尺度时序大模型的刀具状态监测方法,该方法引入旋转位置编码与多尺度注意力机制,构建了针对高频非平稳切削信号的通用表征学习架构;采用“无监督预训练-小样本微调”范式,利用海量未标注数据学习信号的本质特征,并通过少量标注样本实现下游监测任务的快速适配。在三轴数控机床交点孔镗削平台上进行验证,实验结果表明,该方法在预测精度与鲁棒性上均显著优于传统深度学习模型;对后刀面磨损宽度的预测平均绝对误差和均方根误差均控制在3 mm以内,验证了时序大模型在高端装备智能运维任务中的有效性与应用潜力。
中图分类号: