刀具磨损感知数据驱动下的DBN预测模型研究

作者：刘子安; 刘建春^*; 苏进发; 秦昆

来源：机械科学与技术, 2021, 40(07): 1043-1050.

DOI：10.13433/j.cnki.1003-8728.20200178

• 视觉检测
• 全生命周期
• 深度学习
• Dropout
• 刀具磨损预测

针对制造车间数控刀具在连续作业过程中易出现过度使用或提前置换的现状,对刀具磨损感知数据获取方法和磨损预测模型构建进行研究。为避免传感器噪声影响,采用OPC技术直接与机床协同完成数控通信,并设计一套双镜头垂直分布的感知数据获取系统;为增强预测模型泛化能力,采用Dropout优化后深度信念网络(DBN)作为预测模型,先在特征提取阶段重构出优化权值,再引入标签量训练特征匹配阶段。结果显示,改进的DBN算法平均预测准确度约96.0%,在预测精度和稳定性方面较传统模型显著改善。

• 单位
  厦门理工学院; 自动化学院