基于3-KMBS的刀具磨损检测方法研究

作者：黄鹤翔; **; 王鸿亮; 王帅; 张晓星

来源：组合机床与自动化加工技术, 2020, (10): 90-93.

DOI：10.13462/j.cnki.mmtamt.2020.10.022

• 刀具磨损检测
• 深度学习
• 3-K-Means
• 多选择多隐层神经网络

刀具在高速铣削过程中,很难检测到刀具磨损状态,而刀具磨损严重时将影响加工精度与产品质量。针对刀具磨损在线检测问题,文章提出了一种基于3-KMBS的刀具磨损检测方法。首先,采集高速刀具铣削时在不同轴向的振动和声发射信号,并进行数据预处理;其次,采用改进的3-K-Means聚类算法聚类出刀具的三种磨损状态区间,并提出多选择多隐层神经网络结构对其进行特征学习,再使用Softmax进行分类;最后,采用随机梯度下降对整个深层网络进行参数微调,建立刀具磨损检测模型。实验结果表明,所提出的方法在刀具磨损检测上准确率高达95%。

• 单位
  中国科学院沈阳计算技术研究所; 中国科学院大学