多尺度卷积胶囊网络在刀具破损监测中的应用

刀具状态监测是实现加工过程智能化的关键技术之一，其状态直接影响到工件的表面质量和加工效率。在切削加工过程中刀具的细微崩刃不易察觉但却对工件表面质量影响较大，针对该问题提出了一种基于多尺度卷积胶囊网络的方法实现刀具破损状态监测。首先通过采集振动信号来表征刀具的状态，然后在模型中通过多尺度卷积层初步提取信号特征，随后将特征胶囊化输入胶囊层中进一步挖掘特征中的隐藏信息，最终通过分类层识别刀具在不同切削参数下是否发生细微崩刃。实验结果表明，该方法能够在噪声环境中准确识别不同切削参数下切削刃是否微崩，并且识别精度优于卷积神经网络（Convolutional neural network, CNN）和宽核卷积神经网络（Convolution neural network with wide first-layer kernels, WDCNN）。