正確な工具摩耗予測は製造効率の向上に不可欠である。しかし、冗長ノイズの干渉により、多領域センサー特徴を効果的に活用することは依然として大きな課題である。現在、高い予測能力を持つ「強特徴」と潜在的価値情報を含む「弱特徴」を同時に活用できる戦略が切望されている。この問題を解決するために、Transformerベースのエンコーダー—注意機構—デコーダー構造の改良アルゴリズムCdualTALを提案した。本モデル名は、関連性適応特徴選択アルゴリズムモジュール、デュアルチャネルTransformerエンコーダー、注意機構、および長短期記憶（LSTM）デコーダーという主要構成要素に由来する。CdualTALはデュアルチャネルエンコーダーを用いて多領域特徴全集を独立に処理し、また我々が設計した関連性適応特徴選択アルゴリズムによって選別された強特徴のサブセットも処理する。続いて、カスタマイズされた交差注意機構がこれらの特徴表現を融合し、強特徴に注目すると同時に弱特徴からの情報を合理的に統合する。最後に、階層型LSTMデコーダーを用いて深層時間依存関係を捉える。工具摩耗データセットでの検証結果は、CdualTALが現行の11の最先端手法を上回り、卓越した予測の安定性と正確性を示し、平均決定係数R²は0.983、平均二乗誤差（RMSE）は4.373であった。

多領域特徴;デュアルチャネル;特徴融合;工具摩耗;注意機構;特徴強化