基于深度学习的刀具磨损监测方法

发布时间：2018-10-29 13:31

【摘要】：为监测制造车间机械加工设备刀具的磨损程度,提出应用深度学习方法实施刀具的磨损监测。深度学习理论作为人工智能领域的最新研究成果,以其中的深度卷积神经网络构建刀具磨损监测的模型,给出刀具磨损监测的流程,采用微型铣床与无线三轴加速度计搭建了数据采集实验平台。实验结果表明,与其他两种常用深度神经网络以及传统神经网络模型相比较,所提基于深度学习方法监测过程简单,不仅具有较高的准确度与较低的损失函数值,还实现了刀具磨损程度分类。
[Abstract]:In order to monitor the wear degree of cutting tools of machining equipment in manufacturing workshop, a depth learning method is proposed to monitor the wear of cutting tools. As the latest research achievement in the field of artificial intelligence, the depth learning theory is used to construct the tool wear monitoring model with the depth convolution neural network, and the process of tool wear monitoring is given. A data acquisition experiment platform is built by using micro milling machine and wireless three-axis accelerometer. The experimental results show that compared with the other two conventional depth neural networks and traditional neural network models, the monitoring process of the proposed depth learning method is simple, and not only has higher accuracy and lower loss function value. The classification of tool wear degree is also realized.
【作者单位】： 华南理工大学机械与汽车工程学院;
【基金】：国家自然科学基金资助项目(51175187,51675186) 广东省科技计划资助项目(2016A020228005,2016B090918035)~~
【分类号】：TG71;TP18

【相似文献】

相关期刊论文 前10条

1 ;使用高性能刀具降低加工成本[J];现代制造;2004年10期

2 李雯枫;脆弱的微型刀具[J];数控机床市场;2005年01期

3 ;倒钝技术使刀具的寿命成倍提高[J];国防制造技术;2010年01期

4 尹震飚;刘飞;刘霜;刘镜波;;一种支持型腔粗加工刀具序列高效优化的刀具筛选方法[J];机械工程学报;2011年21期

5 ;先进刀具剪辑[J];机床与工具;1960年11期

6 刘璨,陈统坚,彭永红;刀具失效研究发展动态综述[J];机床与液压;2000年05期

7 于捷,于双;实现刀具国产化的必要性[J];长春大学学报;2001年04期

8 万珍平,刘亚俊,汤勇,叶邦彦;多齿刀具的切削模型及其分屑机理[J];机械工程学报;2005年03期

9 徐东鸣;岳晓斌;;微细加工中刀具姿态调整技术[J];工具技术;2006年04期

10 孙海洋;范大鹏;;一种新的刀具圆弧过渡补偿算法[J];中国机械工程;2007年03期

相关会议论文 前9条

1 贺莉;;一种小孔内油槽加工的新刀具[A];2002年黑龙江省机械工程学会年会论文集[C];2002年

2 彭彬彬;杨福和;;基于ANSYS的刀具热—应力耦合场分析[A];面向21世纪的生产工程——2001年“面向21世纪的生产工程”学术会议暨企业生产工程与产品创新专题研讨会论文集[C];2001年

3 高进强;刘新峰;武传松;;TIG焊接熔透信息的提取[A];第十次全国焊接会议论文集（第2册）[C];2001年

4 付培众;尹怡欣;;基于PSO-RBF的神经网络及其应用研究[A];2007'仪表，，自动化及先进集成技术大会论文集（一）[C];2007年

5 孙雷;王建国;王明辉;;模块化神经网络在CSP连轧过程逆质量模型建立中的应用[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年

6 莫春立;李殿中;冯峰;李强;詹志东;;耦合物理冶金和神经网络方法预测钢材的性能[A];2002年材料科学与工程新进展（下）——2002年中国材料研讨会论文集[C];2002年

7 张海波;刘恩东;;基于RBF神经网络PID控制[A];2007中国钢铁年会论文集[C];2007年

8 饶德林;齐志扬;陈立功;;铝合金点焊质量的神经网络估测[A];第十次全国焊接会议论文集（第2册）[C];2001年

9 刘明贵;岳向红;杨永波;李祺;;基于Sym小波和BP神经网络的基桩缺陷智能化识别[A];2007'湖北·武汉NDT学术年会论文集[C];2007年

相关重要报纸文章 前1条

1 徐寿平;超硬刀具加工超硬工件的探索[N];世界金属导报;2012年

相关博士学位论文 前4条

1 杨长祺;复杂曲面多轴加工的高精度、高效率数控编程系统研究[D];重庆大学;2004年

2 聂雅慧;麦克斯韦电机驱动的快速刀具伺服系统关键技术研究[D];天津大学;2014年

3 王亚明;基于变磁阻法向电磁力的并联两自由度快速刀具伺服技术研究[D];吉林大学;2013年

4 樊文刚;复杂曲面宽行数控加工理论及其应用研究[D];北京交通大学;2012年

相关硕士学位论文 前10条

1 徐顺志;刀具工作状态监测系统的设计与实现[D];哈尔滨工业大学;2015年

2 刘国田;回转面刀具侧铣叶轮叶片曲面的刀位规划研究[D];大连交通大学;2015年

3 沈长生;基于ArtCAM软件的浮雕设计与加工研究[D];苏州大学;2015年

4 刘毫;基于刀具磨损状态检测的铣削加工参数优化技术研究[D];哈尔滨工业大学;2016年

5 任万飞;基于NI控制器的单自由度快速刀具伺服装置设计与控制[D];长春工业大学;2017年

6 张阳;适用于任意刀具的多轴轨迹防过切算法[D];华中科技大学;2016年

7 王君;基于刀具实际廓形的数控加工刀具轨迹计算[D];沈阳工业大学;2009年

8 崔银虎;基于协整建模的刀具磨损预测研究[D];天津大学;2012年

9 邱迎宾;复杂形状刀具三维实体建模[D];华中科技大学;2007年

10 吴霄;刀具包络廓形检测和数控加工中干涉检验的研究[D];沈阳工业大学;2009年

本文编号：2297823