近日，苗剑教授指导指导的硕士研究生李宁，在国际顶级期刊《Measurement》上发表题为《An adaptive recognition model for tool wear state across multiple datasets》的学术论文，彰显了学院在机械工程领域研究生培养与科研创新的扎实实力。
《Measurement》是机械工程领域的国际知名学术期刊，在新锐期刊分区表中为2区TOP期刊，影响因子5.6，在测量与仪器科学领域具有非常高的认可度。是该领域展示前沿研究成果的重要平台。该论文提出了一种跨数据集的刀具磨损状态自适应识别模型。为提升特征表达能力，模型创新性融合 BiLSTM 与 DenseNet ，从传感器信号中自适应提取时空特征，全面融合时域、频域及时频域多维度信息。随后利用皮尔逊相关系数对提取的特征进行筛选与融合，构建与刀具磨损高度相关的特征子集。最终采用贝叶斯优化的决策树刀具磨损状态识别模型，成功实现跨工况、跨数据集的刀具磨损状态自适应识别。为相关领域的技术突破提供了新思路与新方法。
论文链接DOI：https://doi.org/10.1016/j.measurement.2026.121569
论文封面
