基于深度卷积神经网络的刀具磨损量自动提取方法 |
| |
引用本文: | 李德华,刘献礼. 基于深度卷积神经网络的刀具磨损量自动提取方法[J]. 工具技术, 2019, 53(12): 82-87 |
| |
作者姓名: | 李德华 刘献礼 |
| |
作者单位: | 哈尔滨理工大学测控技术与通信工程学院;哈尔滨理工大学机械动力工程学院 |
| |
摘 要: | 刀具状态检测可以有效降低加工过程中刀具的不确定性,提高数控加工质量和效率,降低加工成本。在小批量制造模式下的复杂零件制造过程中,零件的几何形状和加工参数不断变化,刀具所受外力也在不断改变,进而导致刀具磨损速率持续变化。传统的固定切削时间更换刀具的方法只能采取更加保守的切削时间更换刀具,给加工过程增加了很多的不确定性,并造成严重的刀具浪费。本文针对以上问题提出了一种刀具磨损在线测量方法,通过电子显微镜在线拍摄刀具照片,经小波滤波降噪处理后的图片由卷积神经网络进行处理,并自动计算出刀具磨损量。该方法可以有效地提取出刀具磨损量,测量误差不超过0.02mm。
|
关 键 词: | 刀具磨损 深度学习 卷积神经网络 小波滤波 自动计算 |
Automatic Tool Wear Extraction Method Based on Deep Convolutional Neural Network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|