基于图像编码技术和卷积神经网络的刀具磨损值在线监测方法

来源：计算机集成制造系统杂志2022年第4期北京时间：

作者：滕瑞, 黄海松, 杨凯, 陈启鹏, 熊巧巧, 谢庆生

单位：1.贵州大学现代制造技术教育部重点实验室2.马来西亚博特拉大学工程学院3.贵州交通职业技术学院机电工程系

摘要：为提高刀具磨损在线监测的精度及泛化性能,提出一种基于格拉姆角场(GAF)编码技术和卷积神经网络(CNN)的刀具磨损值在线监测方法,利用GAF图像编码技术将铣削加工过程中采集的时间序列信号数据图像化,既保留了信号的原始特征信息,又增强了时间序列特征信息。采用深度CNN自适应的提取图像特征,避免人工特征提取带来的复杂性和局限性。使用同类研究所用的数据集进行实验,验证了该方法在刀具磨损在线监测中的有效性和可行性,在多项评价标准下其精度较其他几种方法有了较大提高。

关键词：刀具磨损,在线监测,格拉姆角场,图像编码,深度卷积神经网络,特征提取

基金资助：国家自然科学基金资助项目(51865004,52165063);贵州省科技计划资助项目(黔科合支撑［2021］一般445,172,397,黔科合支撑［2022］一般165);现代制造技术教育部重点实验室开放课题基金资助项目(黔教合KY字［2022］377号)。