VGG13卷积神经网络在刀具磨损监测中的应用 |
| |
作者姓名: | 周谦 国凯 孙杰 |
| |
作者单位: | 山东大学机械工程学院高效洁净机械制造教育部重点实验室山东大学航空构件制造技术及装备研究中心 |
| |
基金项目: | 山东省重点研发计划(31360004042023); |
| |
摘 要: | 刀具磨损对工件加工精度和表面质量有很大影响,为保证零件加工质量,需对刀具磨损状况进行监测。在实际加工生产中采集工件铣削时的振动信号和力信号,利用短时傅里叶变换,将一维信号转化为二维谱图,建立刀具磨损阶段与频谱图的对应关系,利用Pytorch搭建VGG13卷积神经网络,将频谱图作为卷积神经网络模型输入进行训练,得到刀具磨损监测模型。通过实验对方案可行性及模型准确度进行测试,实验结果表明,利用卷积神经网络进行刀具磨损状态监测的准确度能够达到98%以上,可为实际生产中的刀具磨损状态监测提供参考。
|
关 键 词: | 铣削 刀具磨损监测 VGG13 |
|
|