文献类型：期刊文章

作　　者：刘胜辉[1] 张人敬[1] 张淑丽[1] 马超[1] 张宏国[1]

LIU Sheng-hui;ZHANG Ren-jing;ZHANG Shu-li;MA Chao;ZHANG Hong-guo(School of Software,Harbin University of Science and Technology,Harbin 150080,China)

机构地区：[1]哈尔滨理工大学软件学院

出　　处：《哈尔滨理工大学学报》

基　　金：国家自然科学基金(51375128);黑龙江省教育厅科学技术研究项目(12541159);黑龙江省普通高等学校青年创新人才培养计划项目(UNPYSCT-2016032)

年　　份：2019

卷　　号：24

期　　号：3

起止页码：1-8

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、DOAJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了更好的解决切削刀具剩余寿命难以准确预测这一问题,从监控指标选取、数据特征提取以及预测模型建立等方面进行了深入的研究。首先,选取切削力和切削振动两项信号作为初始数据,两者可有效反映刀具的工作状态,为分析刀具磨损过程提供数据支持。其次,使用小波包分析方法进行数据降噪,实现特征提取,得到监控数据的熵值化结果。然后,将该结果作为预测模型的输入,训练和测试深度神经网络,建立刀具剩余寿命预测模型。最后,使用实际加工数据对该预测方法进行验证实验,验证结果表明该模型能有效的预测剩余寿命。

关 键 词：深度神经网络  切削刀具 特征提取 刀具剩余寿命预测  

分 类 号：TP301]