MACHINING QUALITY MONITORING METHOD BASED ON TRANSFER LEARNING WITH MULTI-LAYER RECURRENCE PLOT

The present invention relates to a machining quality monitoring method based on transfer learning using a multi-layer recurrence plot, comprising: a measuring step in which a time-series cutting force applied to a workpiece in a machining process is measured by a measuring unit; a conversion step in which the time series cutting force is input to a conversion unit and converted into a nonlinear dynamic signal through time series analysis; and a calculation step in which information on quality of a machined surface is generated in real time during the machining process by a calculation unit based on the nonlinear dynamic signal, wherein the nonlinear dynamic signal is a recurrence plot. According to the present invention, a multi-color image composed of three channels is generated by using the multi-layer recurrence plot from cutting force data obtained from a cutting process, machining quality can be classified at high accuracy by using a deep learning model which has learned large scale images in advance through the transfer learning, and eventually in accordance with such effects, reliability and availability of facilities and processes in smart manufacturing can be enhanced. 본 발명은 다층 리커런스 플롯을 활용한 전이학습 기반 가공 품질 모니터링 방법에 관한 것으로서, 가공 과정에서 공작물에 가해지는 시계열 절삭력이 측정부에 의해 측정되는 측정 단계; 상기 시계열 절삭력이 변환부에 입력되어 시계열 분석법을 통해 비선형 동역학 신호로 변환되는 변환 단계; 및 상기 비선형 동역학 신호를 기초로 가공 표면의 품질에 대한 정보가 연산부에 의해 가공 과정에서 실시간으로 생성되는 연산 단계를 포함하되, 상기 비선형 동역학 신호는, 리커런스 플롯인 것을 특징으로 한다. 본 발명에 따르면, 절삭 가공에서 취득되는 절삭력 데이터로부터 다층 리커런스 플롯을 활용하여 3개의 채널로 구성된 다색의 이미지를 생성하고, 전이학습을 통해 사전에 대용량 이미지가 학습된 딥러닝 모델을 활용하여 높은 정확도를 갖는 가공 품질을 분류할 수 있고, 전이학습을 통해 사전에 대용량 이미지가 학습된 딥러닝 모델을 활용하여 높은 정확도를 갖는 가공 품질을 분류할 수 있으며, 이러한 효과들에 따르면 궁극적으로는 스마트 제조의 설비 및 가공의 신뢰성과 가용도를 향상시킬 수 있는 효과가 있다.