一种不同工艺条件下刀具磨损状态多类域适应迁移辨识方法

摘要：

在新的工艺条件下,针对采用历史工艺条件进行训练的刀具磨损状态辨识模型识别准确率低的问题,提出了一种基于迁移学习的跨工艺条件刀具磨损状态辨识模型.构建卷积神经网络提取刀具样本可迁移特征,利用最大均值差异测量不同工艺条件下刀具样本分布差异,通过类间-类内距离约束提升源域特征的样本距离,对目标域数据概率矩阵采取最大化核范数的策略,以提取区分性高的目标域样本故障特征.以铣刀加工试验为例验证了模型的有效性,模型的平均辨识准确率为96.8％,比没有类间-类内距离约束与最大化核范数的方法平均辨识准确率提升4.9％.

关键词：刀具磨损、工艺条件、迁移状态辨识、类间-类内距离约束、最大化核范数

所属期刊栏目：33

分类号：TP206.3(自动化技术及设备)

资助基金：国家重点研发计划;四川省智能制造与机器人重大科技专项

在线出版日期：2022-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1841-1849