基于深度学习的刀具磨损监测方法

被引：51

作者：

张存吉

姚锡凡

张剑铭

刘二辉

机构：

[1] 华南理工大学机械与汽车工程学院

来源：

计算机集成制造系统 | 2017年 / 23卷 / 10期

基金：

广东省科技计划;

关键词：

刀具磨损监测; 数据采集; 深度学习; 卷积神经网络; 无线三轴加速度计;

D O I：

10.13196/j.cims.2017.10.008

中图分类号：

TG71 [刀具]; TP18 [人工智能理论];

学科分类号：

080201 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为监测制造车间机械加工设备刀具的磨损程度,提出应用深度学习方法实施刀具的磨损监测。深度学习理论作为人工智能领域的最新研究成果,以其中的深度卷积神经网络构建刀具磨损监测的模型,给出刀具磨损监测的流程,采用微型铣床与无线三轴加速度计搭建了数据采集实验平台。实验结果表明,与其他两种常用深度神经网络以及传统神经网络模型相比较,所提基于深度学习方法监测过程简单,不仅具有较高的准确度与较低的损失函数值,还实现了刀具磨损程度分类。

引用

页码：2146 / 2155

页数：10

共 17 条

[1] 基于混沌时序分析方法与支持向量机的刀具磨损状态识别 [J].

张栋梁 ;

莫蓉 ;

孙惠斌 ;

李春磊 ;

苗春生 ;

李冀 .

计算机集成制造系统, 2015, 21 (08) :2138-2146

[2] 基于隐Markov模型的微径铣刀磨损监测 [J].

张翔 ;

富宏亚 ;

孙雅洲 ;

韩振宇 .

计算机集成制造系统, 2012, 18 (01) :141-148

[3]

Deep Learning for Remote Sensing Image Understanding[J] . Liangpei Zhang,Gui-Song Xia,Tianfu Wu,Liang Lin,Xue Cheng Tai.Journal of Sensors . 2015

[4]

Construction of hierarchical diagnosis network based on deep learning and its application in the fault pattern recognition of rolling element bearings[J] . Meng Gan,Cong Wang,Chang?an Zhu.Mechanical Systems and Signal Processing . 2015

[5]

Gearbox Fault Identification and Classification with Convolutional Neural Networks[J] . ZhiQiang Chen,Chuan Li,René-Vinicio Sanchez,Dong Wang.Shock and Vibration . 2015

[6]

Analysis of Feature Extracting Ability for Cutting State Monitoring Using Deep Belief Networks[J] . Yang Fu,Yun Zhang,Haiyu Qiao,Dequn Li,Huamin Zhou,Jürgen Leopold.Procedia CIRP . 2015

[7]

Comparison of Regularization Methods for ImageNet Classification with Deep Convolutional Neural Networks[J] . Evgeny A. Smirnov,Denis M. Timoshenko,Serge N. Andrianov.AASRI Procedia . 2014

[8] Towards adaptive learning with improved convergence of deep belief networks on graphics processing units [J].

Lopes, Noel ;

Ribeiro, Bernardete .

PATTERN RECOGNITION, 2014, 47 (01) :114-127

[9]

Failure diagnosis using deep belief learning based health state classification[J] . Prasanna Tamilselvan,Pingfeng Wang.Reliability Engineering and System Safety . 2013

[10]

Wavelet analysis of sensor signals for tool condition monitoring: A review and some new results[J] . Kunpeng Zhu,Yoke San Wong,Geok Soon Hong.International Journal of Machine Tools and Manufacture . 2009 (7)

← 1 2 →