基于深度学习的刀具磨损预测方法
公开
摘要
本发明提供一种基于深度学习的刀具磨损预测方法，其包括以下步骤，步骤一：采集数控机床加工数据；步骤二：对步骤一得到的初始数据进行小波分解处理；步骤三：借助于深度学习网络训练刀具磨损预测模型；步骤四：判断步骤三得到的训练结果是否符合要求；步骤五：采集在线加工数据，完成刀具磨损的实时预测。本发明可对刀具磨损采集的数据实现自动降噪，准确高效地提取数据特征，具有预测准确率高，计算速度快，更新速度快等优点。本发明的应用进一步提升加工的安全性，不仅有利于保证加工质量，还有助于减少材料损失，减少加工废品的产生。
基本信息
专利标题 ：
基于深度学习的刀具磨损预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114297912A
申请号 ：
CN202111491303.4
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-08
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
郭保苏董昊吴凤和韩天杰温银堂张玉燕
申请人 ：
燕山大学
申请人地址 ：
河北省秦皇岛市海港区河北大街西段438号
代理机构 ：
北京孚睿湾知识产权代理事务所(普通合伙)
代理人 ：
王冬杰
优先权 ：
CN202111491303.4
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/04 B23Q17/09 G06F119/04 G06F119/14
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
