基于深度学习理论的刀具状态监测及剩余寿命预测方法

• 作者: 安华 王喆 王国锋 钟才川 马凯乐
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 深度学习 稀疏自编码器 皮尔逊相关系数 BP神经网络 剩余寿命预测
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 学术论文
• 页码范围: 64-70
• 页数: 7页
• 分类号: TP306+.3
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902208

摘要

针对机械大数据的特点及深度学习的优势,提出了一种新的刀具磨损状态监测及剩余使用寿命预测方法.该方法首先利用稀疏自编码器及皮尔逊相关系数对原始切削力信号自适应提取敏感特征;之后将得到的显著性特征与其对应的刀具磨损值训练反向传播(BP)神经网络;最后使用预测的刀具磨损值作为观测值,利用指数平滑算法预测刀具剩余使用寿命.为了解决样本数量不足带来的过拟合问题,对原始样本进行加噪处理,同时在特征提取过程中引入dropout训练技巧.通过刀具全寿命周期实验实现了大量样本下刀具磨损特征自适应提取与剩余寿命预测,证明了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王喆		29	230	7.0	14.0
2	王国锋		41	610	14.0	23.0
3	安华		2	1	1.0	1.0
4	马凯乐		1	0	0.0	0.0
5	钟才川		1	0	0.0	0.0