Machine learning-based support for machining process predictive maintenance

doi:10.1016/j.jmapro.2026.07.048

Machine learning-based support for machining process predictive maintenance

2026-07-01

0

PRE

AI

Dariusz Mazurkiewicz *

DOI：10.1016/j.jmapro.2026.07.048

原文链接

原文求助

摘要

En 中文

通过预测性维护优化加工过程在现代制造业中已获得显著关注。然而，现有的预测性维护分析方法往往未能充分利用高频传感器数据，导致工具磨损和失效的预测效果欠佳。本研究通过整合小波能量分析与先进机器学习模型来解决这些局限性，以提高预测精度。采用系统化的特征提取和频带选择方法，确保最相关的信号分量被用于建模。评估了包括随机森林和梯度提升在内的多种预测算法，以确定其用于工具磨损预测的适用性。实验结果表明，引入基于小波的特征显著提升了预测性能，为更高效、低成本加工操作提供了稳健的框架。本研究通过弥合信号处理技术与机器学习应用之间的差距，为推动数据驱动维护策略的发展做出了贡献。

Keyword:

Predictive maintenance

Frequency bands

Bandpass filtering

Milling

Wavelet energy

Machine learning-based support for machining process predictive maintenance

摘要

期刊

机构

引用论文