| 基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型 |
| |
| 引用本文： | 刘辉,张超勇,戴稳.基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型[J].计算机集成制造系统,2021,27(10):2801-2812. |
| |
| 作者姓名： | 刘辉 张超勇 戴稳 |
| |
| 作者单位： | 华中科技大学 数字制造装备与技术国家重点实验室,湖北 武汉 430074;深圳领威科技有限公司,广东 深圳 518000;华中科技大学 数字制造装备与技术国家重点实验室,湖北 武汉 430074 |
| |
| 摘 要： | 刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.
|
| 关 键 词： | 铣刀磨损 堆叠稀疏去噪自动编码网络 特征后处理 鲁棒性 反向传播神经网络 |
Prediction model of milling cutter wear based on SSDAE-BPNN |
| |
| LIU Hui,ZHANG Chaoyong,DAI Wen.Prediction model of milling cutter wear based on SSDAE-BPNN[J].Computer Integrated Manufacturing Systems,2021,27(10):2801-2812. |
| |
| Authors: | LIU Hui ZHANG Chaoyong DAI Wen |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
