本文主要研究内容
作者朱翔,谢峰,李楠（2019）在《基于长短期记忆神经网络的刀具磨损状态监测》一文中研究指出：刀具磨损状况的实时检测是目前机床加工状态监测的难点,而对刀具的振动信号分析的常用方法是利用神经网络模型来判断刀具磨损状态。为解决循环神经网络(RNN)模型训练过程中梯度容易消亡的现象,提出基于长短期记忆神经网络的刀具磨损状态在线监测。刀具在进行切削加工时,首先通过加速度传感器采集刀具振动信号,然后对振动信号小波包变换进行分解是让信号通过不同的滤波器进行有条件的选择,由此形成不同的能量值,用作为长短期记忆神经网络的特征输入,从而诊断出刀具磨损状态的3种状态故障;最后利用长短期记忆神经网络模型对处理时间序列的数据有比较好的效果,它可以捕捉长期的依赖关系和非线性动态变化。此外,通过与多层(BP)神经网络和(BP)神经网络故障诊断方法进行比较,结果表明,LSTM网络对刀具磨损状态在线监测更加有效。
Abstract
dao ju mo sun zhuang kuang de shi shi jian ce shi mu qian ji chuang jia gong zhuang tai jian ce de nan dian ,er dui dao ju de zhen dong xin hao fen xi de chang yong fang fa shi li yong shen jing wang lao mo xing lai pan duan dao ju mo sun zhuang tai 。wei jie jue xun huan shen jing wang lao (RNN)mo xing xun lian guo cheng zhong ti du rong yi xiao wang de xian xiang ,di chu ji yu chang duan ji ji yi shen jing wang lao de dao ju mo sun zhuang tai zai xian jian ce 。dao ju zai jin hang qie xiao jia gong shi ,shou xian tong guo jia su du chuan gan qi cai ji dao ju zhen dong xin hao ,ran hou dui zhen dong xin hao xiao bo bao bian huan jin hang fen jie shi rang xin hao tong guo bu tong de lv bo qi jin hang you tiao jian de shua ze ,you ci xing cheng bu tong de neng liang zhi ,yong zuo wei chang duan ji ji yi shen jing wang lao de te zheng shu ru ,cong er zhen duan chu dao ju mo sun zhuang tai de 3chong zhuang tai gu zhang ;zui hou li yong chang duan ji ji yi shen jing wang lao mo xing dui chu li shi jian xu lie de shu ju you bi jiao hao de xiao guo ,ta ke yi bu zhuo chang ji de yi lai guan ji he fei xian xing dong tai bian hua 。ci wai ,tong guo yu duo ceng (BP)shen jing wang lao he (BP)shen jing wang lao gu zhang zhen duan fang fa jin hang bi jiao ,jie guo biao ming ,LSTMwang lao dui dao ju mo sun zhuang tai zai xian jian ce geng jia you xiao 。
论文参考文献
论文详细介绍
论文作者分别是来自制造技术与机床的朱翔,谢峰,李楠，发表于刊物制造技术与机床2019年10期论文，是一篇关于刀具磨损论文,加速度论文,小波包变换论文,在线监测论文,长短期记忆神经网络论文,制造技术与机床2019年10期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自制造技术与机床2019年10期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：刀具磨损论文; 加速度论文; 小波包变换论文; 在线监测论文; 长短期记忆神经网络论文; 制造技术与机床2019年10期论文;