申请/专利权人：内蒙古工业大学

申请日：2020-07-09

公开（公告）日：2020-10-13

公开（公告）号：CN111761409A

主分类号：B23Q17/09(20060101)

分类号：B23Q17/09(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2022.12.16#发明专利申请公布后的驳回;2020.10.30#实质审查的生效;2020.10.13#公开

摘要：本发明公开一种基于深度学习的多传感器数控机床刀具磨损监测方法，包括：采集数控机床加工过程中的切削力、振动信号，并截取相同时间间隔的若干段信号；分别对所截取的每一段信号进行归一化处理，以及利用主成分分析法进行约减；基于卷积自编码器构建数控机床刀具磨损识别模型，并对其进行训练；数控机床刀具磨损识别模型包括卷积层、线性整流层、池化层、辅助层；将实时采集的切削力、振动信号经过归一化处理并利用主成分分析法进行约减后，输入训练好的数控机床刀具磨损识别模型，得到刀具磨损状态识别结果。本发明能够实时准确地对不同工况下各种刀具的磨损状态进行识别。

主权项：1.一种基于深度学习的多传感器数控机床刀具磨损监测方法，其特征在于，包括如下步骤：采集数控机床加工过程中的切削力、振动信号，并从所采集的切削力、振动信号中，截取相同时间间隔的若干段信号；分别对所截取的每一段切削力、振动信号进行归一化处理，利用主成分分析法将归一化处理后的切削力、振动信号的多维时间序列进行约减，得到刀具样本集；基于卷积自编码器构建数控机床刀具磨损识别模型，并利用刀具样本集对数控机床刀具磨损识别模型进行训练；所述数控机床刀具磨损识别模型包括卷积层、线性整流层、池化层、辅助层；将实时采集的切削力、振动信号经过归一化处理并利用主成分分析法进行约减后，输入训练好的数控机床刀具磨损识别模型，得到刀具磨损状态识别结果。

全文数据：

权利要求：

百度查询： 内蒙古工业大学 一种基于深度学习的多传感器数控机床刀具磨损监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD