基于可听声信号熵特征的刀具磨损状态监测

1

作者 谢达 鲁钟文 +3 位作者 孙丽 杨磊 吴军 李国超 《制造技术与机床》 北大核心 2025年第4期35-40,共6页

基于可听声信号的刀具磨损状态监测具备成本低、传感器安装便捷以及不干扰加工过程等优势,应用前景十分广阔。然而,可听声信号包含大量环境噪声,致使监测精度欠佳。为此,提出一种基于可听声信号熵特征的刀具磨损状态监测方法。首先,提... 基于可听声信号的刀具磨损状态监测具备成本低、传感器安装便捷以及不干扰加工过程等优势,应用前景十分广阔。然而,可听声信号包含大量环境噪声,致使监测精度欠佳。为此,提出一种基于可听声信号熵特征的刀具磨损状态监测方法。首先,提取加工过程中可听声信号的7种熵特征;其次,采用相关性分析方法,选出皮尔逊相关系数(Pearson correlation coefficient,PCC)绝对值大于0.9的香农熵、小波熵、排列熵和近似熵特征;最后,采用长短时记忆(long short-term memory,LSTM)网络构建刀具磨损状态监测模型。试验结果显示,熵特征可抵御噪声干扰,且监测精度均方根误差(root mean square error,RMSE)为0.0041 mm。 展开更多

关键词 熵特征 长短时记忆网络 刀具磨损状态监测 可听声信号 铣刀

在线阅读 下载PDF 职称材料

基于判别字典学习的刀具磨损状态分类

2

作者 罗长源 袁德志 +1 位作者 李申申 朱锟鹏 《机床与液压》 北大核心 2025年第4期47-53,共7页

传统的数据驱动刀具磨损状态分类依赖于特征的提取与选择,极大影响分类性能。为了实现自动提取刀具磨损状态对应的特征,提出一种基于判别字典学习的刀具磨损状态分类模型(DDLC),此模型联合用于稀疏表示的判别字典和用于模式识别的线性... 传统的数据驱动刀具磨损状态分类依赖于特征的提取与选择,极大影响分类性能。为了实现自动提取刀具磨损状态对应的特征,提出一种基于判别字典学习的刀具磨损状态分类模型(DDLC),此模型联合用于稀疏表示的判别字典和用于模式识别的线性分类器,模型的结构简单、复杂度低、准确率高。在训练阶段,为了增强字典学习的可判别性,在字典学习过程中引入判别稀疏编码误差、重构误差和分类误差,建立了统一的字典学习优化目标。同时将多方向力进行数据级融合作为模型的输入信号。与其他经典的刀具磨损状态监测模型进行比较,所提模型的准确率和F1分数分别为98.46%和97.62%,证明了DDLC方法在刀具磨损状态分类方面的有效性和优越性,其检测精度满足实际加工需求,为刀具磨损状态监测提供了一种新方法。 展开更多

关键词 稀疏表示 判别字典学习 数据融合 刀具磨损状态监测

在线阅读 下载PDF 职称材料

基于分层隐马尔科夫模型的刀具磨损状态监测

3

作者 梁东鹏 袁德志 朱锟鹏 《组合机床与自动化加工技术》 北大核心 2025年第1期180-184,189,共6页

针对在以往的刀具磨损状态监测中,磨损状态的错误识别现象往往出现在磨损状态的衔接区这一问题,提出了一种基于分层隐马尔科夫模型(hierarchical hidden markov model,HHMM)的刀具磨损状态监测方法。首先,采用力信号和振动信号作为监测... 针对在以往的刀具磨损状态监测中,磨损状态的错误识别现象往往出现在磨损状态的衔接区这一问题,提出了一种基于分层隐马尔科夫模型(hierarchical hidden markov model,HHMM)的刀具磨损状态监测方法。首先,采用力信号和振动信号作为监测信号,提取时域、频域和时频域特征;其次,通过刀具磨损物理模型对刀具磨损阶段进行划分,提高模型的物理可解释性;然后,采用Fisher Score(FS)特征选择方法筛选出刀具不同磨损状态的敏感特征,构建不同磨损状态的敏感特征集;最后,使用不同磨损状态的敏感特征集训练HHMM,建立分类模型库,从而实现刀具磨损状态监测。实验结果表明,所提模型可以有效地提高刀具磨损状态的识别率,准确率为98.41%,综合查准率和查全率的Macro-F1评价指标为98.44%。 展开更多

关键词 Fisher Score 特征选择 分层隐马尔科夫模型 刀具磨损状态监测

在线阅读 下载PDF 职称材料

基于VMDFK和图像编码技术CNN网络刀具磨损状态识别 被引量：2

4

作者 刘红军 胡轶玮 韩文杰 《中国工程机械学报》 北大核心 2024年第1期94-100,共7页

针对采集刀具加工数据过程中有冗余信息和干扰信号,导致刀具磨损状态特征识别困难、识别精度不高等问题,提出一种基于快速谱峭度图的变分模态分解模态分量选取(VMDFK)与格拉姆角场(GAF)图像编码技术相结合的卷积神经网络(CNN)刀具磨损... 针对采集刀具加工数据过程中有冗余信息和干扰信号,导致刀具磨损状态特征识别困难、识别精度不高等问题,提出一种基于快速谱峭度图的变分模态分解模态分量选取(VMDFK)与格拉姆角场(GAF)图像编码技术相结合的卷积神经网络(CNN)刀具磨损状态识别方法。首先通过变分模态分解和快速谱峭度图,筛选符合要求的模态分量并重构;再采用形态滤波对重构信号去噪和增强;最后通过格拉姆角场图像编码技术,将经去噪增强后的信号转换为格拉姆角场图,并将其输入卷积神经网络中提取特征,较好地解决了信号中的干扰和图像识别中图像特征不明显问题。实验结果表明:该方法可准确清晰地展现刀具磨损状态的特征,在即时性、准确度等方面有较大提高,实现对刀具不同磨损状态的实时智能识别,具有较好的效果。 展开更多

关键词 刀具磨损状态识别 变分模态分解 快速谱峭度 形态滤波 格拉姆角场 深度学习

在线阅读 下载PDF 职称材料

基于深度学习的CFRP/TC4叠层结构制孔刀具磨损状态监测

5

作者 江庆泉 李鹏南 +2 位作者 邱新义 李树健 王春浩 《宇航材料工艺》 CAS CSCD 北大核心 2024年第5期40-49,共10页

碳纤维复合材料(CFRP)和钛合金(TC4)因各具有优良的物理力学性能,其叠层结构广泛应用于航天工业领域。由于CFRP和TC4都属于典型难加工材料,且具有不同的机械和热学特性,因而在制孔过程中,刀具磨损较快,从而影响加工质量。为了保证钻孔... 碳纤维复合材料(CFRP)和钛合金(TC4)因各具有优良的物理力学性能,其叠层结构广泛应用于航天工业领域。由于CFRP和TC4都属于典型难加工材料,且具有不同的机械和热学特性,因而在制孔过程中,刀具磨损较快,从而影响加工质量。为了保证钻孔质量、及时更换刀具,建立了一种基于卷积神经网络-长短期记忆网络(CNN-LSTM)的刀具磨损状态监测模型。该模型以与刀具磨损相关性较强的力、声发射信号特征作为输入,以刀具磨损状态标签作为输出,从而实现刀具磨损状态的监测。结果表明,该模型识别准确率高达97.222%,可以很好地实现CFRP/TC4叠层结构制孔过程中刀具磨损状态的监测。 展开更多

关键词 刀具磨损状态监测 CFRP/TC4叠层 特征提取 深度学习

在线阅读 下载PDF 职称材料

基于半监督并行门控CNN-LSTM的微铣削刀具磨损状态监测

6

作者 吕鑫峰 郑刚 张旭 《组合机床与自动化加工技术》 北大核心 2024年第10期100-104,共5页

微铣削过程中主轴高转速和刀具小尺寸的特点,导致刀具磨损异常严重。为实现高精度和高效率的刀具磨损状态监测,提出了一种将小波去噪的半监督网络与改进并行门控网络相结合的监测方法。首先,采用小波软阈值函数去除噪声,降低半监督网络... 微铣削过程中主轴高转速和刀具小尺寸的特点,导致刀具磨损异常严重。为实现高精度和高效率的刀具磨损状态监测,提出了一种将小波去噪的半监督网络与改进并行门控网络相结合的监测方法。首先,采用小波软阈值函数去除噪声,降低半监督网络对无标签数据分类的误导程度;其次,采用有标签数据训练半监督网络提取特征,对无标签数据进行分类;最后,改进并行门控卷积神经网络-长短时记忆网络(CNN-LSTM)模型提取全局特征并额外增加模型表达能力。结果表明,通过小波去噪后的半监督网络能有效增加无标签数据的利用率;提出的改进并行门控CNN-LSTM模型,刀具磨损分类准确率到了93.61%,有效提高了刀具磨损状态监测的准确性和高效性。 展开更多

关键词 刀具磨损状态监测 小波去噪 半监督网络 并行门控

在线阅读 下载PDF 职称材料

基于深度迁移混合模型的刀具磨损状态监测方法

7

作者 唐祎晖 王宇钢 +2 位作者 杨历夏 张阴硕 穆俊珍 《机床与液压》 北大核心 2024年第20期63-71,共9页

为提高刀具磨损的监测精度和效率,针对加工过程中刀具磨损状态监测出现的数据不均衡问题,提出一种基于深度迁移混合模型的刀具磨损状态监测方法。通过混合类平衡正则化、数据增强与批量归一化技术对经过图像编码的数据集进行图像预处理... 为提高刀具磨损的监测精度和效率,针对加工过程中刀具磨损状态监测出现的数据不均衡问题,提出一种基于深度迁移混合模型的刀具磨损状态监测方法。通过混合类平衡正则化、数据增强与批量归一化技术对经过图像编码的数据集进行图像预处理,再利用ResNet32残差神经网络从图像中自适应地提取相关重要特征,然后采用ResNet32残差神经网络作为分类器进行两阶段训练,采用标签感知平滑优化损失函数,通过参数迁移获得最优分类模型。结果表明:所提方法有效改善了刀具磨损监测数据不均衡的问题,与目前的基于深度学习的刀具磨损监测方法相比,在准确率和计算效率方面均有较大提高。 展开更多

关键词 刀具磨损状态监测 深度迁移混合模型 数据增强 参数迁移

在线阅读 下载PDF 职称材料

基于深度门控循环单元神经网络的刀具磨损状态实时监测方法 被引量：15

8

作者 陈启鹏 谢庆生 +3 位作者 袁庆霓 黄海松 魏琴 李宜汀 《计算机集成制造系统》 EI CSCD 北大核心 2020年第7期1782-1793,共12页

为监测生产加工过程中的刀具磨损状态,提出一种基于深度门控循环单元神经网络的轻量化状态监测模型。首先,预处理阶段对加速度传感器采集的时序信号进行小波阈值去噪,并将每次刀具进给产生的冗长信号划分为多个训练样本,以滤除噪声、改... 为监测生产加工过程中的刀具磨损状态,提出一种基于深度门控循环单元神经网络的轻量化状态监测模型。首先,预处理阶段对加速度传感器采集的时序信号进行小波阈值去噪,并将每次刀具进给产生的冗长信号划分为多个训练样本,以滤除噪声、改善算法的鲁棒性;然后,利用卷积神经网络(CNN)从时序信号输入中自适应地提取特征,构建深度双向门控循环单元(BiGRU)神经网络学习特征向量间的时序信息,并将Attention机制的思想引入其中,自适应地感知对磨损状态分类结果有关联的网络权重,并对其进行合理分配,避免因人工提取特征带来的复杂性和局限性。实验结果表明,所提方法能够对传感器采集的原始数据实时准确地预测刀具磨损状态,在识别精度和泛化能力上均达到了较好的效果,为实际工业场景下的刀具磨损状态监测提供了新的思路。 展开更多

关键词 刀具磨损状态 实时监测 小波去噪 卷积神经网络 双向门控循环单元 Attention机制

在线阅读 下载PDF 职称材料

基于SOM和HMM结合的刀具磨损状态监测研究 被引量：6

9

作者 吕俊杰 王杰 +1 位作者 王玫 吴越 《中国机械工程》 EI CAS CSCD 北大核心 2010年第13期1531-1535,共5页

针对端面铣刀磨损状态的识别问题,提出了基于自组织特征映射神经网络和隐马尔可夫模型结合的方法。该方法对铣削力信号进行预处理和相关特征提取,用自组织特征映射对信号特征矢量进行量化编码,所得码本作为隐马尔可夫模型的输入向量,分... 针对端面铣刀磨损状态的识别问题,提出了基于自组织特征映射神经网络和隐马尔可夫模型结合的方法。该方法对铣削力信号进行预处理和相关特征提取,用自组织特征映射对信号特征矢量进行量化编码,所得码本作为隐马尔可夫模型的输入向量,分别训练三个不同磨损阶段的隐马尔可夫模型来对未知的刀具磨损状态进行监测与识别。实验结果表明,该方法能够对刀具磨损状态进行准确的识别,对自动化生产具有现实意义。 展开更多

关键词 隐马尔可夫模型(HMM) 自组织特征映射(SOM) 刀具磨损状态 铣削力

在线阅读 下载PDF 职称材料

基于信息融合的刀具磨损状态智能识别 被引量：18

10

作者 徐彦伟 陈立海 +1 位作者 袁子皓 颉潭成 《振动与冲击》 EI CSCD 北大核心 2017年第21期257-264,共8页

采集声发射和振动加速度信号,搭建了数控车床刀具磨损状态多信息数据采集系统;用正交试验法采集相关数据并分析了不同切削条件、不同刀具磨损程度下数控车削加工过程中的声发射和振动信号;用小波包分解法提取了声发射和振动信号的最佳... 采集声发射和振动加速度信号,搭建了数控车床刀具磨损状态多信息数据采集系统;用正交试验法采集相关数据并分析了不同切削条件、不同刀具磨损程度下数控车削加工过程中的声发射和振动信号;用小波包分解法提取了声发射和振动信号的最佳特征频段作为识别刀具磨损的特征参量,采用BP神经网络将数控切削过程中刀具磨损的声发射与振动信号特征信息进行融合,研究了数控车削刀具磨损状态的智能识别技术。 展开更多

关键词 刀具磨损状态 多信息融合 智能识别 神经网络

在线阅读 下载PDF 职称材料

基于EEMD-SVM的刀具磨损状态研究 被引量：7

11

作者 江雁 傅攀 李晓晖 《中国测试》 CAS 北大核心 2016年第1期87-91,共5页

针对刀具磨损监测中信号的非平稳特性和小样本建模中神经网络容易陷入局部值的问题,提出基于多传感器信号,运用集合经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)相结合的算法,... 针对刀具磨损监测中信号的非平稳特性和小样本建模中神经网络容易陷入局部值的问题,提出基于多传感器信号,运用集合经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)相结合的算法,实现对刀具磨损多状态的识别。首先对振动信号进行集合经验模态分解,将其分解为若干个本征模态函数(intrinsic mode function,IMF)之和,然后计算得到三向切削力信号的均值和各本征模态函数分量的能量百分比值作为磨损状态分类特征,最后运用支持向量机和Elman神经网络对刀具在不同磨损状态下的特征数据样本进行训练和识别。实验结果证明该方法能很好地实现对刀具磨损状态的识别,与Elman神经网络相比,支持向量机具有更高的识别率,更适合小样本情况下刀具磨损状态的分类识别。 展开更多

关键词 刀具磨损状态识别 集合经验模态分解 支持向量机 多传感器

在线阅读 下载PDF 职称材料

基于切削声发射信号测量的刀具磨损状态判别 被引量：7

12

作者 朱坚民 战汉 +1 位作者 张统超 王健 《计量学报》 CSCD 北大核心 2015年第3期268-272,共5页

针对刀具磨损状态判别方法在变化的加工条件下判别正确率低的问题，通过实时采集刀具的切削声发射信号，提出了一种自适应获取声发射信号中刀具磨损状态特征的方法和基于磨损状态特征数据序列之间灰色关联分析结果的刀具磨损状态判别方... 针对刀具磨损状态判别方法在变化的加工条件下判别正确率低的问题，通过实时采集刀具的切削声发射信号，提出了一种自适应获取声发射信号中刀具磨损状态特征的方法和基于磨损状态特征数据序列之间灰色关联分析结果的刀具磨损状态判别方法。以4把WNMG080408-TMT9125型号车刀在ZCK20数控车床上进行了车刀的切削磨损实验和磨损状态判别，实验结果表明：该方法能够自适应获取车刀的磨损状态特征，车刀的磨损状态判别结果与实际相符，具有较高的判别正确率。 展开更多

关键词 计量学 刀具磨损状态判别 声发射信号 自适应特征获取 灰色关联分析 小波包变换

在线阅读 下载PDF 职称材料

模糊数据融合的刀具磨损状态智能识别 被引量：3

13

作者 刘建萍 叶邦彦 《机械与电子》 2010年第4期49-53,共5页

为实现高速加工时刀具渐变磨损状态的在线准确识别,提出了一种集合多种智能的间接检测刀具磨损状态方法的模糊数据融合方法.尽管这些方法具有算法实现较为简单、处理速度较快的优点,但单一的信号检测及单一的智能建模方法难以获得全面... 为实现高速加工时刀具渐变磨损状态的在线准确识别,提出了一种集合多种智能的间接检测刀具磨损状态方法的模糊数据融合方法.尽管这些方法具有算法实现较为简单、处理速度较快的优点,但单一的信号检测及单一的智能建模方法难以获得全面的加工状态信息和准确的识别结果.为此,利用F推理技术对上述方法的冗余和互补信息进行数据融合,应用Makino-Fanuc 74-A20型加工中心的测试数据验证了该方案的可行性,并将刀具后刀面磨损的预测值与基于机器视觉检测的实测值进行比较.实验结果分析表明,多参数模糊融合识别方法能快速获得切削刀具磨损状态更加准确的预测值. 展开更多

关键词 刀具磨损状态识别 模糊数据融合 神经网络 模糊聚类 小波分析

在线阅读 下载PDF 职称材料

采用改进CNN-BiLSTM模型的刀具磨损状态监测 被引量：19

14

作者 刘会永 张松 +1 位作者 李剑峰 栾晓娜 《中国机械工程》 EI CAS CSCD 北大核心 2022年第16期1940-1947,1956,共9页

自动化切削加工过程中,准确可靠地监测刀具磨损状态是保证加工质量和加工效率的关键。针对刀具磨损状态相关特征提取繁琐、准确率低及传统的深度学习网络不能全面提取数据隐含信息等问题,提出了一种以卷积神经网络(CNN)和双向长短时记忆... 自动化切削加工过程中,准确可靠地监测刀具磨损状态是保证加工质量和加工效率的关键。针对刀具磨损状态相关特征提取繁琐、准确率低及传统的深度学习网络不能全面提取数据隐含信息等问题,提出了一种以卷积神经网络(CNN)和双向长短时记忆(BiLSTM)网络集成模型为基础并通过在卷积神经网络中添加批量标准化层和采用两个双向长短时记忆网络层的改进模型,该模型通过自动提取小波阈值降噪等预处理和降采样后的切削力、振动和声音信号的空间和时序特征来实现刀具磨损状态监测。将改进模型与CNN-BiLSTM模型及传统的深度学习模型进行对比,发现改进模型在精度和稳定性方面有较大提升。所提方法为准确监测自动化加工过程中刀具磨损状态、提高生产效率和加工质量提供了技术支持。 展开更多

关键词 小波阈值降噪 卷积神经网络 双向长短时记忆网络 刀具磨损状态监测

在线阅读 下载PDF 职称材料

基于样本聚类模糊神经网络的刀具磨损状态实时识别 被引量：1

15

作者 刘建萍 郑启伦 +1 位作者 陈统坚 刘璨 《机械制造》 北大核心 2001年第5期10-12,共3页

利用一种根据K－means方法对样本聚类后建立的改进型模糊神经网络(MTFNN)模型，对刀具后刀面磨损量进行在线工况实时识别。仿真结果表明该工况辨识模型精度高，收敛速度快，实用性较强，适宜于复杂的、非线性加工系统建模。

关键词 刀具磨损状态识别 改进型模糊神经网络 电机电信信号

在线阅读 下载PDF 职称材料

深度卷积神经网络在多工况下刀具磨损状态监测中的应用 被引量：5

16

作者 杨汉博 赵飞 +2 位作者 朱倪黎 高志聪 冯传锋 《机床与液压》 北大核心 2021年第3期69-74,共6页

为了解决复杂多工况下刀具磨损状态的监测问题,提出一种基于深度学习的刀具磨损状态监测方法,并构建敏感特征值提取函数。基于刀具磨损数据集,建立多种工况下刀具磨损状态的监测模型,进行多工况下刀具磨损状态监测研究。研究结果表明:... 为了解决复杂多工况下刀具磨损状态的监测问题,提出一种基于深度学习的刀具磨损状态监测方法,并构建敏感特征值提取函数。基于刀具磨损数据集,建立多种工况下刀具磨损状态的监测模型,进行多工况下刀具磨损状态监测研究。研究结果表明:当敏感值界限设置为0.3时,从声发射、振动和电流信号的特征值中可以提取出56个敏感特征值;以均方根误差作为评价函数,得到测试样本的评价函数均值为0.123;模型对严重磨损状态下的刀具磨损监测效果优于对正常磨损状态下的刀具磨损监测效果;多组重复性验证证明所提出的监测方法稳定有效。 展开更多

关键词 刀具磨损状态监测 多工况 敏感特征 深度卷积神经网络

在线阅读 下载PDF 职称材料

多传感器融合下多工况刀具磨损状态预测的深度森林方法研究 被引量：2

17

作者 汪鑫 廖小平 +2 位作者 刘树胜 覃办 鲁娟 《仪器仪表学报》 EI CAS CSCD 北大核心 2023年第9期263-272,共10页

准确监测加工过程刀具磨损状态有助于避免因刀具失效导致的产品质量问题。建立不同工况的刀具磨损监测模型,往往需要对每组工况调参以保证精度。为减少调参并保证预测精度,结合深度森林的超参数少、参数对模型不敏感和训练过程自适应等... 准确监测加工过程刀具磨损状态有助于避免因刀具失效导致的产品质量问题。建立不同工况的刀具磨损监测模型,往往需要对每组工况调参以保证精度。为减少调参并保证预测精度,结合深度森林的超参数少、参数对模型不敏感和训练过程自适应等优点,利用深度森林建立了多传感器信号及多工况下自主特征选择的刀具磨损状态预测模型。基于3组不同工艺参数下TC18铣削过程的多传感器及磨损数据,以及预测与健康管理(PHM)学会2010年高速数控机床刀具健康预测竞赛的开放数据,深度森林在3组工况的预测精度分别为95.35%、96.63%和97.06%,在PHM数据上为98.95%,验证了深度森林对多工况下刀具磨损预测的高精度和适用性,为在线监测技术提供了有力的指导。 展开更多

关键词 深度森林 刀具磨损状态 多传感器 多工况

在线阅读 下载PDF 职称材料

基于贝叶斯优化Bi-LSTM的刀具磨损状态监测模型 被引量：3

18

作者 王樱达 丁泽 +3 位作者 王延瓒 刘会永 张松 王佳宁 《工具技术》 北大核心 2023年第6期133-137,共5页

针对刀具磨损在线监测过程中信号特征较弱、外界噪声干扰较大导致的预测准确度较差问题,提出了一种基于贝叶斯优化(BO)双向长短时记忆网络(Bi-LSTM)的刀具磨损状态监测模型。结合斯皮尔曼相关系数和最大互相关系数来筛选降噪后切削力信... 针对刀具磨损在线监测过程中信号特征较弱、外界噪声干扰较大导致的预测准确度较差问题,提出了一种基于贝叶斯优化(BO)双向长短时记忆网络(Bi-LSTM)的刀具磨损状态监测模型。结合斯皮尔曼相关系数和最大互相关系数来筛选降噪后切削力信号的时域、频域及时频域特征,输入到建立好的Bi-LSTM模型进行训练;针对Bi-LSTM模型参数组合对精度影响大且难以选择的问题,采用贝叶斯优化算法进行超参数寻优;利用铣削加工实验对模型进行验证。结果表明,该方法能快速得到模型最优超参数,同时兼具稳定性和准确性,与其他深度学习模型相比,准确率更高,实验证明了该模型的有效性和可行性。 展开更多

关键词 贝叶斯优化 双向长短时记忆网络 特征筛选 刀具磨损状态监测

在线阅读 下载PDF 职称材料

采用HHT与CNN的刀具磨损状态监测 被引量：2

19

作者 周粤 段现银 《组合机床与自动化加工技术》 北大核心 2023年第10期169-173,178,共6页

为实现刀具磨损状态监测的智能化及高精度,提出一种将希尔伯特黄变换改进算法与卷积神经网络相结合的监测方法。首先,采用敏感固有模态函数筛选方法改进希尔伯特黄变换,提取出刀具信号的时频特征;其次,运用MATLAB微调卷积神经网络生成... 为实现刀具磨损状态监测的智能化及高精度,提出一种将希尔伯特黄变换改进算法与卷积神经网络相结合的监测方法。首先,采用敏感固有模态函数筛选方法改进希尔伯特黄变换,提取出刀具信号的时频特征;其次,运用MATLAB微调卷积神经网络生成刀具磨损监测迁移模型;最后,运用典型的卷积神经网络迁移模型进行实验验证。结果表明,与传统时频变换相比,希尔伯特黄变换提取的时频图更加精细,能有效防止频谱泄露的问题,刀具磨损识别平均准确率达到94.09%,提升近15%;与希尔伯特黄变换相比,改进后的希尔伯特黄变换能避免虚假固有模态分量问题,监测效果进一步提升,达到96.8%,证明了所提监测方法的有效性。 展开更多

关键词 希尔伯特黄变换 卷积神经网络 敏感固有模态函数 刀具磨损状态监测

在线阅读 下载PDF 职称材料

刀具磨损状态监测技术研究进展 被引量：23

20

作者 郭景超 李安海 《工具技术》 2019年第5期3-13,共11页

随着工业4.0的到来,对制造业智能化的要求越来越高,刀具作为机械加工中的重要组成部分,其智能化监测也变得愈加重要。本文从监测信号、信号处理和分类模型三个方面阐述了刀具磨损状态监测技术的最新研究进展。比较了不同监测信号的优点... 随着工业4.0的到来,对制造业智能化的要求越来越高,刀具作为机械加工中的重要组成部分,其智能化监测也变得愈加重要。本文从监测信号、信号处理和分类模型三个方面阐述了刀具磨损状态监测技术的最新研究进展。比较了不同监测信号的优点与不足,深入分析了信号处理及分类模型的原理。对刀具磨损状态监测的未来发展进行了展望,提出了引入深度学习方法,期望能够提高智能化监测的准确性和鲁棒性。 展开更多

关键词 刀具磨损状态监测 智能监测 信号处理 特征提取 模式识别

在线阅读 下载PDF 职称材料