分布式卷积神经网络在刀具磨损量预测中的应用

作者：董靖川; **达; 王太勇^*; 乔卉卉; 张兰; 李昊霖

来源：机械科学与技术, 2020, 39(03): 329-335.

DOI：10.13433/j.cnki.1003-8728.20190131

• 刀具磨损
• 分布式卷积神经网络
• 自适应特征提取
• 批标准化处理

刀具磨损量预测对提高设备运行的安全性和可靠性具有重大意义。为了提高刀具磨损量预测精度,本文提出了基于分布式卷积神经网络的刀具磨损量预测方法,该方法将原始高频信号样本作为输入,在模型中分为若干个子序列,利用分布式卷积-池化层作为局部特征提取器,从子序列中自适应提取特征,并对特征数据进行批标准化处理,最后经过非线性映射,对刀具磨损量进行预测。本文提出的模型与BPNN模型相比均方误差降低了51.3%,具有更高的预测精度。

• 单位
  天津大学仁爱学院; 天津大学