论文摘要
针对机械大数据的特点及深度学习的优势,提出了一种新的刀具磨损状态监测及剩余使用寿命预测方法。该方法首先利用稀疏自编码器及皮尔逊相关系数对原始切削力信号自适应提取敏感特征;之后将得到的显著性特征与其对应的刀具磨损值训练反向传播(BP)神经网络;最后使用预测的刀具磨损值作为观测值,利用指数平滑算法预测刀具剩余使用寿命。为了解决样本数量不足带来的过拟合问题,对原始样本进行加噪处理,同时在特征提取过程中引入dropout训练技巧。通过刀具全寿命周期实验实现了大量样本下刀具磨损特征自适应提取与剩余寿命预测,证明了所提方法的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 安华,王国锋,王喆,马凯乐,钟才川
关键词: 深度学习,稀疏自编码器,皮尔逊相关系数,神经网络,剩余寿命预测
来源: 电子测量与仪器学报 2019年09期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑,工程科技Ⅰ辑
专业: 金属学及金属工艺,自动化技术
单位: 天津大学机械工程学院
基金: 国防基础科研计划(JCKY2018205C002),天津市自然科学基金(17JCZDJC40100),天津市自然科学基金重点项目(16JCZDJC38300)资助,2018年度天津市交通运输科技发展项目(2018-b10),天津大学自主创新基金(2019XYF-0037)
分类号: TP18;TG71
DOI: 10.13382/j.jemi.B1902208
页码: 64-70
总页数: 7
文件大小: 350K
下载量: 423