多监控数据融合下的铣削刀具磨损量预测 |
| |
引用本文: | 陈熠道,黎明柱,邓小龙.多监控数据融合下的铣削刀具磨损量预测[J].组合机床与自动化加工技术,2022(4):96-100. |
| |
作者姓名: | 陈熠道 黎明柱 邓小龙 |
| |
作者单位: | 1.江苏信息职业技术学院214153;2.上海交通大学机械与动力工程学院200030; |
| |
基金项目: | 2019年度江苏省高校优秀科技创新团队项目(2019KCTD0043)。 |
| |
摘 要: | 提出多监控数据下的刀具磨损精确估计神经网络模型,将多传感器信号数据处理成三种时间特征数据,利用三个相同的子模型分别对特征数据进行处理,并作为多层全连通网络的输入,进而实现刀具磨损的最终估计。使用的子模型结合了Transformer模型和自注意力机制,利用长短期记忆网络(LSTM)增强了刀具磨损的数据获取能力,提高了模型的性能。通过实际铣削数据集的多个实验,验证了该方法的有效性,与其他方法进行了比较,验证了该方法的优越性。
|
关 键 词: | 刀具磨损 神经网络 Transformer 自注意力机制 |
本文献已被 维普 等数据库收录! |
|