基于卷积神经网络刀具磨损类型的智能识别

作者：吴雪峰; 刘亚辉; 毕淞泽

来源：计算机集成制造系统, 2020, 26(10): 2762-2771.

DOI：10.13196/j.cims.2020.10.016

• 刀具磨损类型
• 卷积神经网络
• 模型预训练
• 图像识别

刀具磨损尺寸与刀具磨损类型的有效识别是监测加工状态的重要手段。针对常规刀具磨损类型的识别需要人工参与的不足,提出一种基于卷积神经网络刀具磨损类型的智能识别方法。通过对刀具磨损类型和磨损过程的分析,设计了识别刀具磨损状态的网络结构,采用卷积自动编码器对网络模型进行预训练,并通过BP算法结合Adam算法对模型参数进行微调,建立了有效的刀具磨损类型识别模型。实验证明该模型对刀具磨损类型的平均识别率达到96.25%。最后,提出了基于刀具磨损类型识别的刀具磨损值自动检测方法,实验结果表明该检测方法的误差率在10%以内,平均误差率为5.93%,能够满足实际应用需求。

• 单位
  哈尔滨理工大学