基于深度残差网络的刀具磨损量预测方法研究
数控机床刀具磨损将直接影响着加工产品的精度,导致产品质量下降.在自动化程度越来越高的数控加工中,监测刀具状态变得更加困难.为了保证产品质量,快速、精确的预测刀具磨损量,本文提出基于深度残差神经网络的多传感器刀具磨损量预测方法,首先,该方法提取振动、切削力和声发射传感器信号的时域特征,然后,利用深度残差网络对时域特征进行监督学习训练,最后,把训练好的模型对测试数据进行测试.本文提出的模型通过试验验证其有效性,模型评价指标绝对均值(MAE)约为1.51×10-3mm,具有较高的预测精度.
刀具磨损量、时域特征、深度残差网络
40
TG156(金属学与热处理)
2021-03-26(万方平台首次上网日期,不代表论文的发表时间)
共2页
196-197