基于深度学习的高速铣削刀具磨损状态预测方法

被引：71

作者：

林杨 ^{[1
]}

高思煜 ^{[2
]}

刘同舜 ^{[1
]}

朱锟鹏 ^{[2
]}

机构：

[1] 中国科学技术大学信息科学与技术学院自动化系

[2] 中国科学院合肥物质科学研究院先进制造技术研究所

来源：

机械与电子 | 2017年 / 35卷 / 07期

关键词：

高速铣削; 刀具磨损; 状态预测; 深度学习; 稀疏自编码;

D O I：

暂无

中图分类号：

TG54 [铣削加工及铣床]; TP18 [人工智能理论];

学科分类号：

120111 [工业工程]; 140502 [人工智能];

摘要：

由于铣刀在高转速下进行不连续切削,刀具磨损迅速且难于监测,并且刀具磨损严重影响加工精度与产品质量。针对高速铣削刀具磨损难以在线预测问题,提出了一种基于深度学习的高速铣削刀具磨损预测的新方法。通过小波包变换提取铣削力信号在不同频段上的能量分布作为初始特征向量;采用无监督学习对稀疏自编码网络进行特征学习,并将单层网络堆栈构成深度神经网络;最后利用有监督学习对整个深度网络进行微调训练,建立铣削刀具磨损预测模型。实验结果表明,所提出的方法对刀具磨损状态预测准确率达到93.038%。

引用

页码：12 / 17

页数：6

共 13 条

[1]

深度学习神经网络在电力变压器故障诊断中的应用 [J].

石鑫 ;

朱永利 .

电力建设, 2015, 36 (12) :116-122

[2]

基于深度学习理论的机械装备大数据健康监测方法 [J].

雷亚国 ;

贾峰 ;

周昕 ;

林京 .

机械工程学报, 2015, 51 (21) :49-56

[3]

基于稀疏自编码深度神经网络的林火图像分类 [J].

王勇 ;

赵俭辉 ;

章登义 ;

叶威 .

计算机工程与应用, 2014, (24) :173-177

[4]

A Review on Tool Wear Monitoring System.[J].Waydande Prashant;Ambhore Nitin;Chinchanikar Satish.Journal of Mechanical Engineering and Automation.2016, 5A

[5]

Deep learning approach for active classification of electrocardiogram signals.[J].M.M. Al Rahhal;Yakoub Bazi;Haikel AlHichri;Naif Alajlan;Farid Melgani;R.R. Yager.Information Sciences.2016,

[6]

Sparse representation and its applications in micro-milling condition monitoring: noise separation and tool condition monitoring.[J].Kunpeng Zhu;Birgit Vogel-Heuser.The International Journal of Advanced Manufacturing Technology.2014, 1-4

[7]

Multi-column deep neural network for traffic sign classification.[J]..Neural Networks.2012,

[8]

Multi-category micro-milling tool wear monitoring with continuous hidden Markov models.[J].Kunpeng Zhu;Yoke San Wong;Geok Soon Hong.Mechanical Systems and Signal Processing.2008, 2

[9]

Tool condition monitoring in an end-milling operation based on the vibration signal collected through a microcontroller-based data acquisition system.[J].Julie Z. Zhang;Joseph C. Chen.The International Journal of Advanced Manufacturing Technology.2008, 1

[10]

On-line and indirect tool wear monitoring in turning with artificial neural networks: A review of more than a decade of research [J].

Sick, B .

MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 2002, 16 (04) :487-546

← 1 2 →