铣削中切削刀具维护的明智决策：一种基于KNN的模型无关方法
机器学习
2026-03-04 v3
摘要
刀具状态监测（TCM）对于维持加工中的生产率和产品质量至关重要。本研究利用机器学习分析在不同刀具磨损条件下从实验收集的实时力信号。在利用决策树进行统计分析与特征选择后，使用K近邻（KNN）算法进行分类，并通过超参数调优提升性能。尽管机器学习已广泛应用于TCM，其可解释性仍有限。本工作引入一种基于KNN的白盒模型，通过揭示特征如何影响分类来增强决策透明度。该模型不仅检测刀具磨损，还提供每次决策背后推理的洞察，使制造商能够做出明智的维护选择。
引用
@article{arxiv.2310.14629,
title = {Making informed decisions in cutting tool maintenance in milling: A KNN-based model agnostic approach},
author = {Revati M. Wahul and Aditya M. Rahalkar and Om M. Khare and Abhishek D. Patange and Rohan N. Soman},
journal= {arXiv preprint arXiv:2310.14629},
year = {2026}
}