分布式卷积神经网络在刀具磨损量预测中的应用

• 作者: 乔卉卉 张兰 徐明达 李昊霖 王太勇 董靖川
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 刀具磨损 分布式卷积神经网络 刀具磨损 自适应特征提取 批标准化处理
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 机械动力学
• 页码范围: 329-335
• 页数: 7页
• 分类号: TP183
• 字数: 4588字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190131

摘要

刀具磨损量预测对提高设备运行的安全性和可靠性具有重大意义.为了提高刀具磨损量预测精度,本文提出了基于分布式卷积神经网络的刀具磨损量预测方法,该方法将原始高频信号样本作为输入,在模型中分为若干个子序列,利用分布式卷积-池化层作为局部特征提取器,从子序列中自适应提取特征,并对特征数据进行批标准化处理,最后经过非线性映射,对刀具磨损量进行预测.本文提出的模型与BPNN模型相比均方误差降低了51.3％,具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王太勇	天津大学机械工程学院	414	5889	35.0	51.0
5	董靖川	天津大学机械工程学院	23	180	7.0	13.0
6	徐明达	天津大学机械工程学院	2	0	0.0	0.0
7	乔卉卉	天津大学机械工程学院	5	3	1.0	1.0
8	张兰	天津大学机械工程学院	5	4	1.0	2.0
9	李昊霖	天津大学机械工程学院	1	0	0.0	0.0