小波包和1D CNN結(jié)合的刀具磨損狀態(tài)識(shí)別

摘要： 為監(jiān)測(cè)機(jī)床切削加工過程中刀具的非線性磨損變化，提出了一種基于小波包分解和一維卷積神經(jīng)網(wǎng)絡(luò)（1D CNN）的刀具磨損狀態(tài)識(shí)別方法。采集機(jī)床主軸振動(dòng)數(shù)據(jù)作為監(jiān)測(cè)信號(hào)，采用經(jīng)信噪比定量分析后的小波包進(jìn)行預(yù)處理，然后選取小波包分解后各頻帶的能量特征作為1D CNN的輸入，實(shí)現(xiàn)了對(duì)刀具磨損狀態(tài)的有效識(shí)別。實(shí)驗(yàn)表明，該模型能夠?qū)崿F(xiàn)刀具磨損狀態(tài)的準(zhǔn)確預(yù)測(cè)，相比于BP網(wǎng)絡(luò)、能量頻譜圖-Alex... （共6頁）