VGG13卷积神经网络在刀具磨损监测中的应用

刀具磨损对工件加工精度和表面质量有很大影响，为保证零件加工质量，需对刀具磨损状况进行监测。在实际加工生产中采集工件铣削时的振动信号和力信号，利用短时傅里叶变换，将一维信号转化为二维谱图，建立刀具磨损阶段与频谱图的对应关系，利用Pytorch搭建VGG13卷积神经网络，将频谱图作为卷积神经网络模型输入进行训练，得到刀具磨损监测模型。通过实验对方案可行性及模型准确度进行测试，实验结果表明，利用卷积神经网络进行刀具磨损状态监测的准确度能够达到98%以上，可为实际生产中的刀具磨损状态监测提供参考。