应用深度网络学习的中走丝机床放电状态检测方法

• 作者: 刘冬敏 明五一 沈娣丽 都金光
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 深度网络 放电状态 传感器 中走丝机床
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 数控与自动化
• 页码范围: 146-149
• 页数: 4页
• 分类号: TH16|TH-39
• 字数: 3101字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2019.08.038

摘要

中走丝机床放电加工过程中,放电状态的检测是数控系统中的一个极其重要环节,而传统的检测是基于放电电压的平均值对其辨识,但是它对过渡电弧放电和电弧放电等状态检测不敏感.针对上述问题,提出一种基于深度网络学习的机器视觉方法,首先将放电状态的电压信号转换为灰度图像;其次对不同周期的放电图像压缩到统一的图像尺寸中(256×256像素);最后基于Tensorflow并行计算框架,采用K邻近方法、Logistic Regression方法和深度网络学习三种方法对放电状态进行辨识.结果表明深度网络学习方法最好,准确率最优为95.63％,这对中走丝机床放电状态传感器的设计具有重要的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	明五一	郑州轻工业学院机电工程学院	18	21	2.0	3.0
2	都金光	郑州轻工业学院机电工程学院	10	14	2.0	3.0
3	刘冬敏	郑州工程技术学院机电与车辆工程学院	5	5	1.0	2.0
4	沈娣丽	郑州工程技术学院机电与车辆工程学院	1	0	0.0	0.0