基于深度置信网络的深孔加工刀具状态监测

发布时间：2024-12-20 23:13

　　 针对深孔加工过程中刀具状态不易观察、更换刀具的时机依赖经验等问题,提出了一种基于深度置信网络的深孔加工刀具状态监测方法。通过三向压电加速度传感器和传声器采集加工过程的振动信号和噪声信号,并进行数据预处理,利用处理后的数据训练深度置信网络对刀具状态进行辨别。刀具状态监测的实例表明,利用预处理后的数据对深度置信网络进行训练,刀具状态监测在测试集上的平均准确度可以达到98.54%,证明了深孔加工刀具状态监测方法的有效性。

【文章页数】：4 页

【部分图文】：

图1 深度置信网络结构

深度置信网络模型结构如图1所示,通过利用前一层的激活作为输入,贪婪地将每一层(从低到高)训练RBM。具体训练过程如下所示:首先充分训练一个RBM,其次固定第一个RBM的权重和偏移量,使用其隐层神经元的状态,作为第二个RBM的输入向量;接着充分训练第二个RBM后,将第二个RBM堆叠....

图3 刀具不同阶段两个振动传感器Y方向上信号的时域波形

图2刀具状态试验传感器布置图2.2数据预处理

图4 数据预处理流程图

加工过程中,压电加速度传感器和传声器分别采集振动信号和声信号,通过数据预处理后输入到刀具状态监测模型,数据预处理过程如图4所示。2.2.1振动信号合成

图5 数据不平衡处理

其中,S′为加噪后的刀具磨钝信号,S为未加噪的磨钝信号,k为加噪的强度参数,n=1,2,…,N用于控制加噪的不同强度,σ为样本的标准方差。不平衡处理前后数据个数见表1。2.2.3特征提取

本文编号：4018014