[发明专利]一种基于卷积神经网络的颤振识别方法和系统

权利要求书

1.一种基于卷积神经网络的颤振识别方法，其特征在于，该方法包括如下步骤：

(1)在实验工况下获取不同工艺参数下的削切噪音，对其进行滤波处理，

得到削切噪声耳蜗谱；

(2)根据得到削切噪声耳蜗谱图对卷积神经网络进行训练，得到训练后的卷积神经网络；

(3)采集实际削切过程中的削切噪音，对其进行滤波处理，并采用训练后的卷积神经网络判别削切过程中是否发生颤振。

2.根据权利要求1所述的基于卷积神经网络的颤振识别方法，其特征在于，采用时域脉冲信号公式对削切噪声进行拟合的方式对削切噪声进行滤波处理并得到削切噪声耳蜗谱，所述时域脉冲信号公式为：

其中f为中心频率，t为脉冲信号拟合时间位置，A为脉冲信号幅值，n为滤波器阶数，b为信号衰减系数决定滤波带宽，且

其中ERB(f)为等效矩形带宽。

3.根据权利要求2所述的基于卷积神经网络的颤振识别方法，其特征在于，所述滤波器阶数为3，所述中心频率从1000～10000HZ，用20ms帧移。

4.根据权利要求1所述的基于卷积神经网络的颤振识别方法，其特征在于，所述卷积神经网络包括三个卷积层和两个池化层，各卷积层的卷积核均为3x3的卷积核，各池化层均为最大池化层。

5.根据权利要求4所述的基于卷积神经网络的颤振识别方法，其特征在于，还包括对所述训练后的卷积神经网络进行更新的步骤：

获取实际削切过程中的削切噪音后，将其存储到数据库中；

每间隔设定时间，采用数据库中的数据对卷积神经网络进行训练，得到更新后的卷积神经网络，并采用更新后的卷积神经网络判断削切过程中是否发生颤振。

6.一种基于卷积神经网络的颤振识别系统，其特征在于，包括处理器，处理器连接有噪声传感器，噪声传感器用于检测削切过程中发出的噪声信号并发送给处理器，处理器用于根据噪声传感器检测到的噪声信号，采用如权利要求1-5任意一项所述的基于卷积神经网络的颤振识别方法判断是否存在颤振。