基于深度神经网络的数控机床刀具磨损程度识别方法

授权

摘要

本发明提出一种基于深度神经网络的数控机床刀具磨损程度识别方法，解决数控机床加工过程中刀具磨损程度准确、稳定的在线检测问题。首先为数控机床主轴和工作台配置振动传感器采集其加工过程产生的主轴、工作台振动数据，并且获取数控机床的加工参数和刀具、工件的材料信息；其次对振动数据进行预处理，提高振动数据的可利用性；最后，基于深度神经网络建立振动数据与数控机床刀具磨损程度识别，包括基于自编码器的振动数据特征提取、基于one‑hot的加工特征数据编码和基于多维特征数据的刀具磨损状态识别三个部分，进而实现对刀具磨损程度的准确在线识别。

基本信息

专利标题：

基于深度神经网络的数控机床刀具磨损程度识别方法

专利标题（英）：

暂无

公开（公告）号：

CN111958321A

申请号：

CN202010792632.1

公开（公告）日：

2020-11-20

申请日：

2020-08-09

授权号：

CN111958321B

授权日：

2022-05-17

发明人：

张映锋黄彬彬黄博史丽春

申请人：

西北工业大学

申请人地址：

陕西省西安市友谊西路127号

代理机构：

西北工业大学专利中心

代理人：

陈星

优先权：

CN202010792632.1

主分类号：

B23Q17/09

IPC分类号：

B23Q17/09