采用深度学习的铣刀磨损状态预测模型

• 作者: 孟磊磊 尹勇 张超勇 戴稳 肖鹏飞 薛燕社
• 来源期刊: 中国机械工程
• 关键词: 刀具磨损 小波变换 自动编码器 深度学习
• 年，卷（期）: 2020,（17）
• 所属期刊栏目: 机械基础工程
• 页码范围: 2071-2078
• 页数: 8页
• 分类号: TP391|TH164
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2020.17.009

摘要

为提高刀具磨损监测的预测精度与泛化性能,研究了基于深度学习的铣刀磨损状态预测,提出了基于堆叠稀疏自动编码网络与卷积神经网络的两种预测模型.堆叠稀疏自动编码网络对特征向量进行降维并将其纳入分类器来实现预测,可避免特征选择对先验知识的依赖;卷积神经网络将铣削振动数据转化为小波尺度图并输入模型完成分类,精简了传统建模流程.最后将提出的两种模型与传统神经网络模型进行比较,验证了所提模型的效率与精度.