智能AI
morning
分布式数控刀具磨损预测的联邦学习
摘要
arXiv:2608.11281v1 Announce Type: new Abstract: Tool wear prediction is an important task in CNC machining, where accurate monitoring of tool condition supports product quality and process reliability...
learning
federated
and
wear
prediction
CNC
tool
for
distributed
data
2026-08-13
1 阅读
约1分钟阅读
Afsana Khan, Morris Stallmann, Marcin Pietrasik, Charis Kouzinopoulos, Anna Wilbik
字号:
arXiv:2608.11281v1 公告类型：新 摘要：刀具磨损预测是 CNC 加工中的一项重要任务，准确监控刀具状态可支持产品质量和工艺可靠性。机器学习方法已显示出完成此任务的潜力，但它们在工业环境中的使用受到加工数据的分布式性质以及机器、站点或组织之间数据共享的限制的限制。联邦学习通过在不传输原始操作数据的情况下实现协作模型训练，为这种设置提供了合适的框架。本文研究了 CNC 刀具磨损预测的联邦学习。工具轨迹分布在模拟客户端上以表示联邦学习场景。将联合模型与集中参考和本地客户端基线进行比较。结果表明，联邦学习的性能接近集中式学习，并且比本地客户端模型有显着改进。这些发现表明，联合学习可以支持分布式 CNC 制造环境中的协作刀具磨损预测。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱