应用深度网络学习的中走丝机床放电状态检测方法

作者：沈娣丽; 刘冬敏; 都金光; 明五一

来源：机械设计与制造, 2019, (08): 146-149.

DOI：10.19356/j.cnki.1001-3997.2019.08.038

• 深度网络
• 放电状态
• 传感器
• 中走丝机床

中走丝机床放电加工过程中,放电状态的检测是数控系统中的一个极其重要环节,而传统的检测是基于放电电压的平均值对其辨识,但是它对过渡电弧放电和电弧放电等状态检测不敏感。针对上述问题,提出一种基于深度网络学习的机器视觉方法,首先将放电状态的电压信号转换为灰度图像;其次对不同周期的放电图像压缩到统一的图像尺寸中(256×256像素);最后基于Tensorflow并行计算框架,采用K邻近方法、Logistic Regression方法和深度网络学习三种方法对放电状态进行辨识。结果表明深度网络学习方法最好,准确率最优为95.63%,这对中走丝机床放电状态传感器的设计具有重要的指导意义。

• 单位
  机电工程学院; 郑州轻工业学院; 郑州工程技术学院