基于长短时记忆卷积神经网络的刀具磨损在线监测模型

• 作者: 何彦 凌俊杰 吴鹏程 李育锋 王禹林 肖圳
• 来源期刊: 中国机械工程
• 关键词: 刀具磨损监测 长短时记忆神经网络 卷积神经网络 特征提取
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 智能制造
• 页码范围: 1959-1967
• 页数: 9页
• 分类号: TP186
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2020.16.008

摘要

为了提高机械加工过程中刀具磨损在线监测的准确性,提出了一种基于长短时记忆卷积神经网络(LSTM-CNN)的刀具磨损在线监测模型.在该监测模型中,通过振动、力、声发射传感器对刀具切削过程中的振动、力和声发射信号进行采集,采集的数据其本质为时间序列数据.考虑采集数据的序列和多维度特性,采用LSTM-CNN网络对采集的数据进行序列和多维度特征提取,利用线性回归实现特征到刀具磨损值的映射.通过实验验证了该模型的有效性和可行性,模型的精度较其他几种方法有了较大的提高.