采用HHT与CNN的刀具磨损状态监测

作者：周粤; 段现银

来源：组合机床与自动化加工技术, 2023, (10): 169-173+178.

DOI：10.13462/j.cnki.mmtamt.2023.10.037

• 希尔伯特黄变换
• 卷积神经网络
• 敏感固有模态函数
• 刀具磨损状态监测

为实现刀具磨损状态监测的智能化及高精度，提出一种将希尔伯特黄变换改进算法与卷积神经网络相结合的监测方法。首先，采用敏感固有模态函数筛选方法改进希尔伯特黄变换，提取出刀具信号的时频特征；其次，运用MATLAB微调卷积神经网络生成刀具磨损监测迁移模型；最后，运用典型的卷积神经网络迁移模型进行实验验证。结果表明，与传统时频变换相比，希尔伯特黄变换提取的时频图更加精细，能有效防止频谱泄露的问题，刀具磨损识别平均准确率达到94.09%,提升近15%;与希尔伯特黄变换相比，改进后的希尔伯特黄变换能避免虚假固有模态分量问题，监测效果进一步提升，达到96.8%,证明了所提监测方法的有效性。

• 单位
  武汉科技大学; 自动化学院