정밀한 공구 마모 예측은 제조 효율성 향상에 매우 중요하지만, 중복 잡음의 간섭으로 인해 다중 도메인 센서 특징을 효과적으로 활용하는 것은 여전히 큰 어려움입니다. 현재는 높은 예측 능력을 가진 "강한 특징"과 잠재적 가치 정보를 포함하는 "약한 특징"을 동시에 활용할 수 있는 전략이 절실히 필요합니다. 이를 해결하기 위해 Transformer 기반의 인코더-어텐션-디코더 구조 알고리즘인 CdualTAL이 제안되었습니다. 모델명은 핵심 구성 요소인 상관 적응형 특징 선택 알고리즘 모듈, 이중 채널 Transformer 인코더, 어텐션 메커니즘, 장단기 메모리(LSTM) 디코더에서 유래했습니다. CdualTAL은 이중 채널 인코더를 사용하여 다중 도메인 특징 전체 집합과 우리가 설계한 상관 적응형 특징 선택 알고리즘으로 선별된 강한 특징 하위 집합을 독립적으로 처리합니다. 이후 맞춤형 교차 어텐션 메커니즘을 통해 이러한 특징 표현을 융합하여 강한 특징에 집중함과 동시에 약한 특징에서 오는 정보를 합리적으로 통합합니다. 마지막으로, 계층적 LSTM 디코더를 활용하여 심층 시간 의존성을 포착합니다. 공구 마모 데이터셋에서의 검증 결과 CdualTAL은 현재 최첨단 방법 11종을 능가하며 우수한 예측 안정성과 정확성을 나타내었고, 평균 결정 계수 R²는 0.983, 평균 제곱근 오차(RMSE)는 4.373입니다.

다중 도메인 특징; 이중 채널; 특징 융합; 공구 마모; 어텐션 메커니즘; 특징 강화