Para resolver os problemas da extração complexa de características do sinal nos métodos tradicionais de monitoramento inteligente e o impacto do desgaste da ferramenta na qualidade da peça e na eficiência da produção durante o fresamento, propõe-se um método de previsão do estado de desgaste da ferramenta baseado em uma rede neural GRU aprimorada (BiGRU-1DCNN-CBAM). Utilizando estatísticas, análises no domínio do tempo, domínio da frequência e transformada wavelet, são extraídas 24 características do sinal da ferramenta, como média, curtose e densidade espectral de potência, convertendo dados de séries temporais multimodais em imagens de séries temporais das características da ferramenta; introduz-se uma rede neural convolucional para explorar características profundas dos dados de sinal, combinada com um módulo de atenção convolucional para melhorar a capacidade do modelo de capturar mapas de características dos sinais de vibração e força de corte. Após achatamento e concatenação das camadas de características, entram no BiGRU para capturar dependências de longo prazo, e através de uma camada totalmente conectada realiza-se a regressão do desgaste da ferramenta, alcançando a previsão da vida útil remanescente do estado do desgaste da ferramenta no processo de usinagem CNC. Os resultados experimentais mostram que o erro quadrático médio raiz (RMSE) e o erro absoluto médio (MAE) do modelo no conjunto de dados PHM2010 são 2,17 μm e 1,29 μm respectivamente, com melhorias superiores a 40,5% e 52,1% em comparação com os modelos Bayesian-MCMC-Prognostics, SBiLSTM, RIME-CNN-SVM, MobilenetV3, TDConvLSTM, ISABO-IBiLSTM, IWOA-IECA-BiLSTM, LSTM-CNN-CBAM, e com tempo de execução reduzido em pelo menos 2,8% em comparação a modelos semelhantes. O modelo proposto pode representar eficazmente o grau de desgaste da ferramenta, reduzir o erro de previsão e obter bons resultados preditivos.

desgaste da ferramenta; aprendizado profundo; rede neural convolucional (CNN); unidade recorrente com portas (GRU); módulo de atenção; previsão de estado