文献类型：期刊文章

作　　者：何彦[1] 凌俊杰[1] 王禹林[2] 李育锋[1] 吴鹏程[1] 肖圳[1]

HE Yan;LING Junjie;WANG Yulin;LI Yufeng;WU Pengcheng;XIAO Zhen(State Key Laboratory of Mechanical Transmission,Chongqing University,Chongqing,400044;School of Mechanical Engineering,Nanjing University of Science and Technology,Nanjing,210094)

机构地区：[1]重庆大学机械传动国家重点实验室,重庆400044 [2]南京理工大学机械工程学院,南京210094

出　　处：《中国机械工程》

基　　金：国家科技重大专项(2018ZX04002001-008)。

年　　份：2020

卷　　号：31

期　　号：16

起止页码：1959-1967

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高机械加工过程中刀具磨损在线监测的准确性,提出了一种基于长短时记忆卷积神经网络(LSTM-CNN)的刀具磨损在线监测模型。在该监测模型中,通过振动、力、声发射传感器对刀具切削过程中的振动、力和声发射信号进行采集,采集的数据其本质为时间序列数据。考虑采集数据的序列和多维度特性,采用LSTM-CNN网络对采集的数据进行序列和多维度特征提取,利用线性回归实现特征到刀具磨损值的映射。通过实验验证了该模型的有效性和可行性,模型的精度较其他几种方法有了较大的提高。

关 键 词：刀具磨损监测  长短时记忆神经网络  卷积神经网络 特征提取

分 类 号：TP186]