分布式数控刀具磨损预测的联邦学习

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。