基于卷积神经网络的刀具磨损在线监测
来源：计算机集成制造系统杂志2020年第1期北京时间：
作者：曹大理,孙惠斌,张纪铎,莫蓉
单位：西北工业大学航空发动机高性能制造工业和信息化部重点实验室
摘要：为了提高刀具磨损在线监测的精度和泛化性能,提出一种基于卷积神经网络的刀具磨损量在线监测模型。利用时域传感器信号对刀具磨损量进行定量分析,避免数据预处理带来的信息丢失;采用深度网络自适应地提取特征,取代传统的人工特征提取过程,并通过加深网络进一步挖掘信号中隐藏的微小特征。实验结果表明,该模型对刀具后刀面磨损量监测效果较好,可以有效避免人为特征提取的局限,精度和泛化性都有一定程度的提高。与相关研究的对比也证实了其可行性和有效性。
关键词：刀具状态监测,刀具磨损量,时域传感器信号,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(51875475);陕西省重点研发计划资助项目(2018ZDXM-GY-068)。
