基于深度学习的刀具磨损监测方法

• 作者: 刘二辉 姚锡凡 张剑铭 张存吉
• 来源期刊: 计算机集成制造系统
• 学科: 工学
• 关键词: 刀具磨损监测 数据采集 深度学习 卷积神经网络 无线三轴加速度计
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 数字化/智能化/网络化制造技术
• 页码范围: 2146-2155
• 页数: 10页
• 分类号: TP391|TH164
• 字数: 5991字
• 语种: 中文
• DOI: 10.13196/j.cims.2017.10.008

摘要

为监测制造车间机械加工设备刀具的磨损程度,提出应用深度学习方法实施刀具的磨损监测.深度学习理论作为人工智能领域的最新研究成果,以其中的深度卷积神经网络构建刀具磨损监测的模型,给出刀具磨损监测的流程,采用微型铣床与无线三轴加速度计搭建了数据采集实验平台.实验结果表明,与其他两种常用深度神经网络以及传统神经网络模型相比较,所提基于深度学习方法监测过程简单,不仅具有较高的准确度与较低的损失函数值,还实现了刀具磨损程度分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚锡凡	华南理工大学机械与汽车工程学院	159	1658	21.0	34.0
2	刘二辉	华南理工大学机械与汽车工程学院	7	103	5.0	7.0
3	张存吉	华南理工大学机械与汽车工程学院	5	92	5.0	5.0
4	张剑铭	华南理工大学机械与汽车工程学院	7	134	6.0	7.0