一维残差卷积神经网络的刀具磨损识别方法研究

作者：杨斌; 樊志刚; 王建国; 王民; 李志星

来源：机械科学与技术, 2022, 41(11): 1746-1752.

DOI：10.13433/j.cnki.1003-8728.20200525

• 振动信号
• 残差连接
• 刀具磨损
• 卷积神经网络

传统的机器学习方法对于刀具磨损进行监测时需要人为提取特征，并且在刀具磨损监测过程出现所需时间较长、精度低等问题。本文提出基于一维残差卷积神经网络的刀具磨损状态识别方法。对原始振动信号进行小波包阈值降噪、快速傅里叶变换处理后，将生成的频谱数据作为残差卷积神经网络模型的输入，通过卷积连接、残差连接和融合等操作自动进行特征提取，最后与刀具磨损状态进行匹配。结果表明：与目前常用的其它神经网络相比较，本文所提出的方法在多次测试中后平均准确率提高了0.6%，训练耗时对于频谱图输入降低30%，具有流程简单、准确率更高的特点，相比于其他方法更有优势。

• 单位
  内蒙古科技大学; 北京工业大学