基于卷积神经网络的刀具磨损在线监测

• 作者: 孙惠斌 张纪铎 曹大理 莫蓉
• 来源期刊: 计算机集成制造系统
• 学科: 工学
• 关键词: 刀具状态监测 刀具磨损量 时域传感器信号 卷积神经网络 特征提取
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 数字化/智能化/网络化制造技术
• 页码范围: 74-80
• 页数: 7页
• 分类号: TP391.7
• 字数: 4218字
• 语种: 中文
• DOI: 10.13196/j.cims.2020.01.008

摘要

为了提高刀具磨损在线监测的精度和泛化性能,提出一种基于卷积神经网络的刀具磨损量在线监测模型.利用时域传感器信号对刀具磨损量迸行定量分析,避免数据预处理带来的信息丢失;采用深度网络自适应地提取特征,取代传统的人工特征提取过程,并通过加深网络迸一步挖掘信号中隐藏的微小特征.实验结果表明,该模型对刀具后刀面磨损量监测效果较好,可以有效避免人为特征提取的局限,精度和泛化性都有一定程度的提高.与相关研究的对比也证实了其可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	莫蓉	西北工业大学航空发动机高性能制造工业和信息化部重点实验室	226	2249	24.0	32.0
2	孙惠斌	西北工业大学航空发动机高性能制造工业和信息化部重点实验室	24	184	9.0	13.0
3	张纪铎	西北工业大学航空发动机高性能制造工业和信息化部重点实验室	2	8	1.0	2.0
4	曹大理	西北工业大学航空发动机高性能制造工业和信息化部重点实验室	1	7	1.0	1.0