基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
刀具状态检测可以有效降低加工过程中刀具的不确定性,提高数控加工质量和效率,降低加工成本.在小批量制造模式下的复杂零件制造过程中,零件的几何形状和加工参数不断变化,刀具所受外力也在不断改变,进而导致刀具磨损速率持续变化.传统的固定切削时间更换刀具的方法只能采取更加保守的切削时间更换刀具,给加工过程增加了很多的不确定性,并造成严重的刀具浪费.本文针对以上问题提出了一种刀具磨损在线测量方法,通过电子显微镜在线拍摄刀具照片,经小波滤波降噪处理后的图片由卷积神经网络进行处理,并自动计算出刀具磨损量.该方法可以有效地提取出刀具磨损量,测量误差不超过0.02mm.
推荐文章
基于随机模糊神经网络的刀具磨损量软测量技术
数控系统
刀具磨损估计
软测量技术
随机模糊神经网络
基于神经网络刀具磨损的多特征融合监控
神经网络
刀具磨损
融合
监控
基于细胞神经网络刀具磨损图像处理的研究
细胞神经网络
图像处理
刀具磨损
基于组合灰色神经网络模型的火炮身管烧蚀磨损量预测
烧蚀磨损量
预测
组合灰色神经网络
火炮身管
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度卷积神经网络的刀具磨损量自动提取方法
来源期刊 工具技术 学科 工学
关键词 刀具磨损 深度学习 卷积神经网络 小波滤波 自动计算
年,卷(期) 2019,(12) 所属期刊栏目 测试与仪器
研究方向 页码范围 82-87
页数 6页 分类号 TG713|TG529
字数 3849字 语种 中文
DOI 10.3969/j.issn.1000-7008.2019.12.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘献礼 哈尔滨理工大学机械动力工程学院 190 2095 24.0 35.0
2 李德华 哈尔滨理工大学测控技术与通信工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (3)
参考文献  (13)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(5)
  • 参考文献(4)
  • 二级参考文献(1)
2018(8)
  • 参考文献(8)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
刀具磨损
深度学习
卷积神经网络
小波滤波
自动计算
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工具技术
月刊
1000-7008
51-1271/TH
大16开
成都市府青路二段24号
62-32
1964
chi
出版文献量(篇)
9497
总下载数(次)
13
论文1v1指导