基于深度學(xué)習(xí)的刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)的研究.pdf

1、隨著機(jī)械加工過(guò)程向自動(dòng)化、智能化的不斷發(fā)展，機(jī)械故障智能化監(jiān)測(cè)技術(shù)的研究就至關(guān)重要。刀具是機(jī)械加工中最重要的加工要素之一，刀具磨損不但直接影響了工件的尺寸精度和表面質(zhì)量，也會(huì)間接影響加工效率和生產(chǎn)成本等。如何通過(guò)更加有效的方法去監(jiān)測(cè)刀具磨損已成為大批學(xué)者的研究重點(diǎn)，所以關(guān)于刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)的研究具有巨大的潛力和應(yīng)用價(jià)值。
　　本文以高速銑削過(guò)程中刀具的磨損狀態(tài)為研究對(duì)象，利用刀具在不同磨損狀態(tài)下的銑削力信號(hào)對(duì)不同監(jiān)測(cè)技術(shù)進(jìn)行研

2、究。具體研究?jī)?nèi)容主要有:
　　(1)建立了高速銑削刀具磨損狀態(tài)監(jiān)測(cè)的試驗(yàn)系統(tǒng)，通過(guò)試驗(yàn)的壓力傳感器采集了大量的力信號(hào)數(shù)據(jù);
　　(2)通過(guò)對(duì)銑削力信號(hào)在時(shí)域、頻域以及時(shí)頻域上進(jìn)行特征提取和特征選擇，選擇13個(gè)典型特征作為后續(xù)神經(jīng)網(wǎng)絡(luò)的輸入向量;
　　(3)建立了基于BP神經(jīng)網(wǎng)絡(luò)的刀具磨損狀態(tài)監(jiān)測(cè)模型;
　　(4)把深度學(xué)習(xí)理論引入到刀具磨損監(jiān)測(cè)領(lǐng)域，提出了一種基于深度學(xué)習(xí)的高速銑削刀具磨損狀態(tài)監(jiān)測(cè)方法。本文的主要