您所在的位置: 成果库 一种基于深度学习的数控机床刀具磨损监测方法

一种基于深度学习的数控机床刀具磨损监测方法

发布时间: 2023-09-06

来源: 科技服务团

基本信息

合作方式: 技术转让
成果类型: 发明专利
行业领域:
高新技术改造传统产业,工业生产过程控制系统
成果介绍
本发明提供了一种基于深度学习的数控机床刀具磨损监测方法,该方法能够摆脱对大量信号处理技术与诊断经验的依赖,实现刀具破损特征的自适应提取,具有监测诊断精度高,监测实时性强,适用性强等优点,可以快速准确的识别出不同加工条件下的各种刀具的磨损状态。 为实现上述目的,本发明提出了一种基于深度学习的数控机床刀具磨损监测方法,其包括如下步骤: (1)采集数控机床主轴电机的三相电流信号,从该三相电流信号中截取与待监测刀具对应的电流信号,对该电流信号进行分段,以将其分成与M个加工工件的加工过程对应的M段电流信号,然后计算每段电流信号的均方根值; (2)对每段电流信号进行规整处理,使各段电流信号长度一致,然后将规整处理后的各段电流信号分别输入稀疏自动编码网络中进行训练,并将每次训练得到的最后一个编码矢量作为特征向量输出,共输出M个特征向量; (3)计算特征向量间的K值,并根据K值获得K值拟合曲线,根据该K值拟合曲线实现刀具磨损的监测。
成果亮点
本发明属于数控机床刀具磨损监测技术领域,并具体公开了一种基于深度学习的数控机床刀具磨损监测方法,包括如下步骤:采集数控机床主轴电机的三相电流信号,从三相电流信号中截取与待监测刀具对应的电流信号,对电流信号进行分段将其分成M段电流信号,然后计算每段电流信号的均方根值;对每段电流信号进行规整处理,将规整处后的各段电流信号输入稀疏自动编码网络中进行训练,并将每次训练得到的最后一个编码矢量作为特征向量输出;计算特征向量间的K值,并根据K值获得K值拟合曲线,根据K值拟合曲线实现刀具磨损的监测。本发明可快速准确的识别出不同加工条件下的各种刀具的磨损状态,具有监测诊断精度高,监测实时性强,适用性强等优点。
团队介绍
华中科技大学(Huazhong University of Science and Technology),简称华中大、华科大 ,位于湖北省武汉市,是中华人民共和国教育部直属的综合性研究型全国重点大学、位列国家“双一流”“985工程”“211工程”、入选“强基计划”“111计划”、卓越工程师教育培养计划、卓越医生教育培养计划、国家大学生创新性实验计划、国家级大学生创新创业训练计划、国家建设高水平大学公派研究生项目、国家级新工科研究与实践项目、基础学科拔尖学生培养计划***,是学位授权自主审核单位、全国深化创新创业教育改革示范高校、一流网络安全学院建设示范项目高校、中国政府奖学金来华留学生接收院校、教育部来华留学示范基地,为中欧工程教育平台成员和医学“双一流”建设联盟 、国际应用科技开发协作网 、全球能源互联网大学联盟成员
成果资料
产业化落地方案
点击查看