基于VGG-19卷积神经网络的刀具磨损监测方法

• 作者: 李正官 王超群 郭保苏 韩天杰
• 来源期刊: 机械设计与制造工程
• 学科: 工学
• 关键词: 刀具磨损监测 卷积神经网络 小波包变换
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 应用研究
• 页码范围: 93-97
• 页数: 5页
• 分类号: TH165+.3|TP183
• 字数: 3610字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-509X.2020.06.020

摘要

有刀具状态监测的加工生产既能提高加工效率又能降低生产成本,是智能制造生产的关键.近几年深度学习成为研究刀具磨损问题的主流算法.提出一种基于VGG-19卷积神经网络的刀具磨损监测方法,该方法应用小波包变换对振动信号进行处理并提取能量图,应用VGG-19卷积神经网络预测刀具磨损状态.结果表明,适当增加网络层数,可以学习更多数据特征并得到更好的预测表现;与其他卷积神经网络相比,VGG-19层数适合,预测准确率稳定,损失函数值最小,该方法对刀具磨损类型的预测表现最好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭保苏	燕山大学机械工程学院	10	22	3.0	4.0
3	李正官		1	0	0.0	0.0
4	韩天杰	燕山大学机械工程学院	1	0	0.0	0.0
5	王超群		1	0	0.0	0.0