作者:徐卫晓,谭继文,井陆阳,唐旭 单位:中国机械工程学会;广州机械科学研究院 出版:《机床与液压》2020年第09期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFJCYY2020090140 DOC编号:DOCJCYY2020090149 下载格式:PDF + Word/doc 文字可复制、可编辑
  • 由于单一传感器存在获取信息量有限、抗干扰能力较弱等问题及传统网络模型诊断时间长、诊断率低等现象,采用振动、噪声等多个传感器监测铣刀的磨损状态。提出将深度学习和多传感器相结合的铣刀磨损状态信号监测方法;将经核主元筛选和未筛选的数据分别输入到BP神经网络、RBF神经网络和深度卷积神经网络中进行模式识别,并对识别结果进行对比和分析。结果表明:深度学习和多传感器相结合的铣刀磨损状态监测方法在特征量比较大、数据量比较多的情况下诊断速度、准确率均比较高,在铣刀磨损状态监测中具有明显的优势。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。