[发明专利]基于并行深度神经网络的数控机床刀具磨损状态预测方法有效
| 申请号： | 201910277738.5 | 申请日： | 2019-04-08 |
| 公开（公告）号： | CN109822399B | 公开（公告）日： | 2020-07-14 |
| 发明（设计）人： | 刘振宇;刘惠;郏维强;张栋豪;谭建荣 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | B23Q17/09 | 分类号： | B23Q17/09;B23Q17/12 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 林超 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于并行深度神经网络的数控机床刀具磨损状态预测方法。在数控机床工作台及夹具上安装测力计、加速度传感器和声传感器；进行铣削加工实验，采集铣削加工过程的切削力、振动和声信号，得到多传感器数据，并采集刀具的磨损量；预处理得到训练数据和待测试数据；建立并行深度神经网络模型；将处理好的训练数据及刀具磨损量标签输入到并行深度神经网络中离线训练模型；将待测试多传感器数据传入训练好的模型中，在线实时预测刀具的磨损量。本发明方法充分挖掘了数控机床刀具加工过程的隐含特征，可以对刀具磨损量进行实时预测。且该方法适用性广泛，可以广泛应用于各种数控机床中。 | ||
| 搜索关键词： | 基于 并行 深度 神经网络 数控机床 刀具 磨损 状态 预测 方法 | ||
【主权项】：
1.一种基于并行深度神经网络的数控机床刀具磨损状态预测方法，其特征在于，包括以下步骤：S1.在数控机床工作台夹具及工件上安装三分量测力计、加速度传感器和声传感器；S2.通过刀具对工件进行铣削加工操作，通过传感器采集三种不同传感器融合的加工测量数据；S3.对原始测量数据进行特定预处理，得到具有刀具磨损量标签的训练数据和待测试数据；S4.建立基于卷积神经网络和双向门控循环单元记忆网络的并行深度神经网络模型；S5.针对具有刀具磨损量标签的训练数据与其刀具磨损量标签输入到并行深度神经网络模型中，离线训练并行深度神经网络模型；S6.针对数控机床需要预测的未知刀具磨损量标签的待测试数据输入到训练好的并行深度神经网络模型中，在线处理得到数据数控机床刀具的磨损量预测值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910277738.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于深度学习的数控机床断刀检测系统及方法
- 下一篇：化学机械研磨方法
