文献类型：期刊文章

作　　者：董靖川[1] 徐明达[1] 王太勇[1,2] 乔卉卉[1] 张兰[1] 李昊霖[1]

Dong Jingchuan;Xu Mingda;Wang Taiyong;Qiao Huihui;Zhang Lan;Li Haolin(School of Mechanical Engineering, Tianjin University, Tianjin 300350, China;Renai College, Tianjin University, Tianjin 301636, China)

机构地区：[1]天津大学机械工程学院,天津300350 [2]天津大学仁爱学院,天津301636

出　　处：《机械科学与技术》

基　　金：国家自然科学基金青年科学基金项目(51605328);中国兵器工业集团公司基础性创新团队项目(2017CX031)资助。

年　　份：2020

卷　　号：39

期　　号：3

起止页码：329-335

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：刀具磨损量预测对提高设备运行的安全性和可靠性具有重大意义。为了提高刀具磨损量预测精度,本文提出了基于分布式卷积神经网络的刀具磨损量预测方法,该方法将原始高频信号样本作为输入,在模型中分为若干个子序列,利用分布式卷积-池化层作为局部特征提取器,从子序列中自适应提取特征,并对特征数据进行批标准化处理,最后经过非线性映射,对刀具磨损量进行预测。本文提出的模型与BPNN模型相比均方误差降低了51.3%,具有更高的预测精度。

关 键 词：刀具磨损 分布式卷积神经网络  自适应特征提取  批标准化处理  

分 类 号：TP183]