基于压缩感知和加噪堆栈稀疏自编码器的铣刀磨损程度识别方法研究
TG156; 数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制了其在实际工业环境中的应用.针对上述问题,提出利用主轴电流结合深度学习网络识别铣刀磨损状态的监测方法.首先,理论论证利用主轴电流代替切削力识别刀具磨损的可行性;然后,利用压缩感知对电流信号的频域数据进行数据压缩,其中为提高网络的鲁棒性,对观测信号添加高斯白噪音;最后,将压缩后的数据输入堆栈稀疏自编码网络,利用有监督学习与无监督学习相结合的方法,提取刀具磨损所引起...
Gespeichert in:
| Veröffentlicht in: | 机械工程学报 2019-07, Vol.55 (14), p.1-10 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 10 |
|---|---|
| container_issue | 14 |
| container_start_page | 1 |
| container_title | 机械工程学报 |
| container_volume | 55 |
| creator | 李宏坤 郝佰田 代月帮 杨蕊 |
| description | TG156; 数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制了其在实际工业环境中的应用.针对上述问题,提出利用主轴电流结合深度学习网络识别铣刀磨损状态的监测方法.首先,理论论证利用主轴电流代替切削力识别刀具磨损的可行性;然后,利用压缩感知对电流信号的频域数据进行数据压缩,其中为提高网络的鲁棒性,对观测信号添加高斯白噪音;最后,将压缩后的数据输入堆栈稀疏自编码网络,利用有监督学习与无监督学习相结合的方法,提取刀具磨损所引起的特征信息,用于表征刀具磨损程度.试验结果表明,该方法可以有效对铣刀磨损程度进行识别. |
| doi_str_mv | 10.3901/JME.2019.14.001 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_jxgcxb201914001</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>jxgcxb201914001</wanfj_id><sourcerecordid>jxgcxb201914001</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1021-ff6af64586d4fcf79fd1238f33e1f2178b6ea43e5d980130a5065e065f6774a23</originalsourceid><addsrcrecordid>eNotkDtLw1AAhe-gYKmd_QlOifd9k1FKfVFx0cWl3LS5xSIVDGLHCqUWqxV8FOqSQFHSOjgIgqE_x5tb_4URHQ5nO9_hA2AFQZu4EK3t7JZsDJFrI2pDiBZADjIhLM4dvgQKQXDkQUSwwIzRHDjUYfKVDPSgb2aTtBOa8FnfXeurSI-mOuqmUc_EbTO8nV9OzWxoogs9is1T5_t-rHttM47Tm9DEfZ28zN-6uveaDj_T90cTPZjJxzJYVPI48Av_nQcHG6X94pZV3tvcLq6XrQBBjCyluFScMofXqKoq4aoawsRRhPhIYSQcj_uSEp_VXCc7DiWDnPlZFBeCSkzyYPVv91w2lWzWK42Ts9NmRqw0WvVqy_t1gWhmgvwApW5ypQ</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于压缩感知和加噪堆栈稀疏自编码器的铣刀磨损程度识别方法研究</title><source>Alma/SFX Local Collection</source><creator>李宏坤 ; 郝佰田 ; 代月帮 ; 杨蕊</creator><creatorcontrib>李宏坤 ; 郝佰田 ; 代月帮 ; 杨蕊</creatorcontrib><description>TG156; 数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制了其在实际工业环境中的应用.针对上述问题,提出利用主轴电流结合深度学习网络识别铣刀磨损状态的监测方法.首先,理论论证利用主轴电流代替切削力识别刀具磨损的可行性;然后,利用压缩感知对电流信号的频域数据进行数据压缩,其中为提高网络的鲁棒性,对观测信号添加高斯白噪音;最后,将压缩后的数据输入堆栈稀疏自编码网络,利用有监督学习与无监督学习相结合的方法,提取刀具磨损所引起的特征信息,用于表征刀具磨损程度.试验结果表明,该方法可以有效对铣刀磨损程度进行识别.</description><identifier>ISSN: 0577-6686</identifier><identifier>DOI: 10.3901/JME.2019.14.001</identifier><language>chi</language><publisher>大连理工大学机械工程学院 大连 116024</publisher><ispartof>机械工程学报, 2019-07, Vol.55 (14), p.1-10</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/jxgcxb/jxgcxb.jpg</thumbnail><link.rule.ids>314,776,780,27901,27902</link.rule.ids></links><search><creatorcontrib>李宏坤</creatorcontrib><creatorcontrib>郝佰田</creatorcontrib><creatorcontrib>代月帮</creatorcontrib><creatorcontrib>杨蕊</creatorcontrib><title>基于压缩感知和加噪堆栈稀疏自编码器的铣刀磨损程度识别方法研究</title><title>机械工程学报</title><description>TG156; 数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制了其在实际工业环境中的应用.针对上述问题,提出利用主轴电流结合深度学习网络识别铣刀磨损状态的监测方法.首先,理论论证利用主轴电流代替切削力识别刀具磨损的可行性;然后,利用压缩感知对电流信号的频域数据进行数据压缩,其中为提高网络的鲁棒性,对观测信号添加高斯白噪音;最后,将压缩后的数据输入堆栈稀疏自编码网络,利用有监督学习与无监督学习相结合的方法,提取刀具磨损所引起的特征信息,用于表征刀具磨损程度.试验结果表明,该方法可以有效对铣刀磨损程度进行识别.</description><issn>0577-6686</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2019</creationdate><recordtype>article</recordtype><recordid>eNotkDtLw1AAhe-gYKmd_QlOifd9k1FKfVFx0cWl3LS5xSIVDGLHCqUWqxV8FOqSQFHSOjgIgqE_x5tb_4URHQ5nO9_hA2AFQZu4EK3t7JZsDJFrI2pDiBZADjIhLM4dvgQKQXDkQUSwwIzRHDjUYfKVDPSgb2aTtBOa8FnfXeurSI-mOuqmUc_EbTO8nV9OzWxoogs9is1T5_t-rHttM47Tm9DEfZ28zN-6uveaDj_T90cTPZjJxzJYVPI48Av_nQcHG6X94pZV3tvcLq6XrQBBjCyluFScMofXqKoq4aoawsRRhPhIYSQcj_uSEp_VXCc7DiWDnPlZFBeCSkzyYPVv91w2lWzWK42Ts9NmRqw0WvVqy_t1gWhmgvwApW5ypQ</recordid><startdate>20190720</startdate><enddate>20190720</enddate><creator>李宏坤</creator><creator>郝佰田</creator><creator>代月帮</creator><creator>杨蕊</creator><general>大连理工大学机械工程学院 大连 116024</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20190720</creationdate><title>基于压缩感知和加噪堆栈稀疏自编码器的铣刀磨损程度识别方法研究</title><author>李宏坤 ; 郝佰田 ; 代月帮 ; 杨蕊</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1021-ff6af64586d4fcf79fd1238f33e1f2178b6ea43e5d980130a5065e065f6774a23</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2019</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>李宏坤</creatorcontrib><creatorcontrib>郝佰田</creatorcontrib><creatorcontrib>代月帮</creatorcontrib><creatorcontrib>杨蕊</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>机械工程学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>李宏坤</au><au>郝佰田</au><au>代月帮</au><au>杨蕊</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于压缩感知和加噪堆栈稀疏自编码器的铣刀磨损程度识别方法研究</atitle><jtitle>机械工程学报</jtitle><date>2019-07-20</date><risdate>2019</risdate><volume>55</volume><issue>14</issue><spage>1</spage><epage>10</epage><pages>1-10</pages><issn>0577-6686</issn><abstract>TG156; 数控机床在加工过程中,刀具磨损会对被加工零件的表面质量、尺寸精度产生巨大影响,而传统依靠切削力系数来分析刀具磨损的方法,需要在工作台上安装额外测力装置,这将干扰机床正常加工,限制被加工零件尺寸,引起加工质量降低等问题,限制了其在实际工业环境中的应用.针对上述问题,提出利用主轴电流结合深度学习网络识别铣刀磨损状态的监测方法.首先,理论论证利用主轴电流代替切削力识别刀具磨损的可行性;然后,利用压缩感知对电流信号的频域数据进行数据压缩,其中为提高网络的鲁棒性,对观测信号添加高斯白噪音;最后,将压缩后的数据输入堆栈稀疏自编码网络,利用有监督学习与无监督学习相结合的方法,提取刀具磨损所引起的特征信息,用于表征刀具磨损程度.试验结果表明,该方法可以有效对铣刀磨损程度进行识别.</abstract><pub>大连理工大学机械工程学院 大连 116024</pub><doi>10.3901/JME.2019.14.001</doi><tpages>10</tpages></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 0577-6686 |
| ispartof | 机械工程学报, 2019-07, Vol.55 (14), p.1-10 |
| issn | 0577-6686 |
| language | chi |
| recordid | cdi_wanfang_journals_jxgcxb201914001 |
| source | Alma/SFX Local Collection |
| title | 基于压缩感知和加噪堆栈稀疏自编码器的铣刀磨损程度识别方法研究 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-09T12%3A04%3A35IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E5%8E%8B%E7%BC%A9%E6%84%9F%E7%9F%A5%E5%92%8C%E5%8A%A0%E5%99%AA%E5%A0%86%E6%A0%88%E7%A8%80%E7%96%8F%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8%E7%9A%84%E9%93%A3%E5%88%80%E7%A3%A8%E6%8D%9F%E7%A8%8B%E5%BA%A6%E8%AF%86%E5%88%AB%E6%96%B9%E6%B3%95%E7%A0%94%E7%A9%B6&rft.jtitle=%E6%9C%BA%E6%A2%B0%E5%B7%A5%E7%A8%8B%E5%AD%A6%E6%8A%A5&rft.au=%E6%9D%8E%E5%AE%8F%E5%9D%A4&rft.date=2019-07-20&rft.volume=55&rft.issue=14&rft.spage=1&rft.epage=10&rft.pages=1-10&rft.issn=0577-6686&rft_id=info:doi/10.3901/JME.2019.14.001&rft_dat=%3Cwanfang_jour%3Ejxgcxb201914001%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=jxgcxb201914001&rfr_iscdi=true |