深度卷积神经网络在多工况下刀具磨损状态监测中的应用

摘要：

为了解决复杂多工况下刀具磨损状态的监测问题,提出一种基于深度学习的刀具磨损状态监测方法,并构建敏感特征值提取函数.基于刀具磨损数据集,建立多种工况下刀具磨损状态的监测模型,进行多工况下刀具磨损状态监测研究.研究结果表明:当敏感值界限设置为0.3时,从声发射、振动和电流信号的特征值中可以提取出56个敏感特征值;以均方根误差作为评价函数,得到测试样本的评价函数均值为0.123;模型对严重磨损状态下的刀具磨损监测效果优于对正常磨损状态下的刀具磨损监测效果;多组重复性验证证明所提出的监测方法稳定有效.

关键词：刀具磨损状态监测、多工况、敏感特征、深度卷积神经网络

所属期刊栏目：49

分类号：TH17

资助基金：国家科技重大专项 2017ZX04011017

在线出版日期：2021-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：69-74