10.11835/j.issn.1000-582X.2021.122
基于样本扩充与IDANN的刀具状态识别方法
针对机床刀具磨损数据稀少与刀具磨损状态识别精度低的问题,提出了一种基于样本扩充与改进领域对抗网络(sample expansion and improved domain adversarial training of neural networks,SE-IDANN)的刀具状态识别方法.首先对机床刀具数据进行两次特征提取,并通过Smote算法进行样本扩充,解决机床刀具磨损数据量稀少的问题;其次在领域对抗网络(domain adversarial training of neural networks,DANN)模型特征提取器中加入残差块,进一步提取有效特征信息,解决刀具磨损特征微弱的难题;最后将Wasserstein距离作为目标域与源域的数据分布相似度标准引入DANN模型,实现对刀具磨损量的精确识别.通过对机床刀具数据的分析与仿真试验验证,证明该方法能够有效地识别刀具磨损量.
刀具状态识别、特征提取、残差块、Wasserstein距离、改进DANN
46
TP391.41(计算技术、计算机技术)
国家自然科学基金;重庆市科技创新领军人才支持计划项目;重庆市高校创新研究群体
2023-02-16(万方平台首次上网日期,不代表论文的发表时间)
共11页
16-26