面向车削刀具磨损预测的可解释 AI
机器学习
2023-08-21 v1
摘要
本研究旨在开发一种可解释人工智能(XAI)框架，为车削过程中的刀具磨损预测提供人类可理解的解决方案。采用随机森林算法作为有监督机器学习(ML)分类器，以正交管车削过程中的加速度、声学、温度和主轴转速为输入特征进行训练与二分类。该 ML 分类器用于预测切削后刀具的状态，以二分类形式表示切削刀具是否可用或已失效。训练后，使用 Shapley 准则解释训练后 ML 分类器的预测。具体而言，识别了各输入特征在决策与分类中的重要性，以解释 ML 分类器预测的依据。在对所有测试数据集应用 Shapley 准则后，刀具温度被确定为区分可用与失效切削刀具的最显著特征。因此，本研究展示了 XAI 使加工操作员能够诊断并理解用于刀具磨损预测的复杂 ML 分类器的能力。
引用
@article{arxiv.2308.08765,
title = {Explainable AI for tool wear prediction in turning},
author = {Saleh Valizadeh Sotubadi and Rui Liu and Vinh Neguyen},
journal= {arXiv preprint arXiv:2308.08765},
year = {2023}
}