|
|||||
|
|
| 深度学习与多信号融合在铣刀磨损状态识别中的研究 | |
| 作者姓名： | 穆殿方 刘献礼 岳彩旭 Steven Y.LIANG 陈志涛 李恒帅 徐梦迪 |
| 作者单位： | 哈尔滨理工大学 机械动力工程学院,哈尔滨 150080;佐治亚理工学院 乔治·W·伍德拉夫机械工程学院,美国亚特兰大 30332 |
| 摘 要： | 为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法.以自编码网络为基础,构建了堆叠稀疏自编码网络.采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征.利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型.研究结果表明,多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44％. |
| 关 键 词： | 刀具磨损 状态识别 深度学习 多信号融合 堆叠稀疏自编码网络 |
| 本文献已被 万方数据 等数据库收录！ | |