基于深度学习的刀具磨损监测研究现状 |
| |
引用本文: | 王大春,李国和,王丰,闫冬,范建勋.基于深度学习的刀具磨损监测研究现状[J].工具技术,2022(6):3-13. |
| |
作者姓名: | 王大春 李国和 王丰 闫冬 范建勋 |
| |
作者单位: | 天津职业技术师范大学机械工程学院 |
| |
基金项目: | 国家自然科学基金(51875409); |
| |
摘 要: | 基于传统机器学习的刀具磨损监测模型监测精度低且计算复杂度高,难以满足智能制造的发展需求。而基于深度学习的刀具磨损监测模型数据处理和特征提取能力较强,可明显提高监测精度,使加工过程更智能化,因此广泛应用于刀具磨损监测。根据采用的模型,将基于深度学习的刀具磨损监测分为基于卷积神经网络的刀具磨损监测、基于稀疏自编码网络的刀具磨损监测、基于深度置信网络的刀具磨损监测、基于长短时记忆网络的刀具磨损监测和基于混合模型的刀具磨损监测,介绍了各种深度学习模型的基础理论及基本结构,总结了国内外基于深度学习模型的刀具磨损监测方法,分析了存在的问题,并指出了未来的发展方向。
|
关 键 词: | 刀具磨损监测 卷积神经网络 自编码神经网络 深度置信网络 长短时记忆神经网络 混合模型 |
|
|