基于卷积门控循环神经网络的刀具磨损状态监测

来源：计量学报杂志2021年第8期北京时间：

作者：吴凤和,钟浩,章钦,郭保苏,孙迎兵

单位：1. 燕山大学机械工程学院,河北 秦皇岛 066004; 2. 河北省重型智能制造装备技术创新中心,河北 秦皇岛 066004;

摘要：针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法。综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提取表征刀具磨损状态关键信息的高维特征;通过门控循环神经单元使模型在时间尺度上的累积效应得到充分表达,体现磨损的时序特性。实验表明,在有限的刀具磨损数据样本条件下,通过卷积门控循环神经网络进行刀具磨损状态监测具有较好的效果,其准确率达到97%。

关键词：计量学;刀具磨损;切削力;卷积门控神经网络;在线监测

基金资助：国家重点研发计划(2016YFC0802900);国家自然科学基金青年科学基金(51605422);河北省自然科学基金(E2017203372,E2017203156);2018年河北省专业学位教学案例(库)建设项目(KCJSZ2018023);河北省教育厅在读研究生创新能力培养资助项目(CXZZSS2019038)