【作者】

杨国葳

【单位】

中国船舶集团有限公司第七一一研究所

【摘要】

由于现有智能刀具磨损状态识别方法存在过于依赖样本数据预处理手段的问题，提出一种改进的门控循环单元—一维深度卷积自动编码器（GRU-ODCAE）的刀具磨损状态识别方法，提高利用原始时域信号作为模型输入的刀具磨损状态识别精度。首先采集加工过程中机床主轴电机的三相电流信号，将三相电流信号融合成电流有效值并作归一化处理，以此作为模型输入。然后，利用一维深度卷积自动编码器对输入样本进行无监督预训练，提取基于信号本身的特征信息。最后，利用样本标签进行有监督训练，实现刀具不同磨损状态识别。实验结果表明，GRU-ODCAE方法对刀具四种不同磨损状态平均识别率可达98.75%，能够自适应地提取特征并高效率的实现刀具磨损状态识别。

【关键词】

智能监测;刀具磨损;深度学习

【论文集名称】

高强化材料与结构技术

【会议名称】

设计与智能制造2022学术年会

【会议时间】

2022-11-24至2022-11-27

【会议地点】

长沙

【下载次数】

1

返回