基于BiLSTM的铣刀磨损状态监测模型 |
| |
作者姓名: | 高鸣 贾辉 卿涛 陈彬强 |
| |
作者单位: | 1. 第一拖拉机股份有限公司制造工程中心;2. 厦门大学航空航天学院 |
| |
基金项目: | 国家重点研发计划(2020YFB1713500); |
| |
摘 要: | 机械加工中刀具磨损退化直接影响工件质量和生产效率,在线监测刀具状态对于提高生产可靠性和降低刀具成本具有重要意义。为实现铣刀磨损状态在线监测,通过采集的主轴振动和主轴电机驱动电流作为监测信号;使用小波阈值降噪消除信号中的环境噪声干扰成分,并通过冗余提升小波变换保留信号的精确频率局部化信息,以提取更为丰富的频率特征;引入BiLSTM双向长短周期记忆网络对特征信号的时间信息进行编码,通过全连接层预测刀具磨损状态。通过铣刀的全寿命实验验证本文设计的铣刀磨损状态监测模型,结果表明,BiLSTM双向长短周期记忆网络可以有效评估铣刀磨损状态。
|
关 键 词: | 铣削 刀具磨损 磨损状态监测 深度学习 BiLSTM |
|