机床与液压

作者：周建民，王云庆，杨晓彤，黄熙亮，夏晓枫

单位：华东交通大学载运工具与装备教育部重点实验室;轨道交通基础设施性能监测与保障国家重点实验室；华东交通大学载运工具与装备教育部重点实验室;轨道交通基础设施性能监测与保障国家重点实验室；华东交通大学载运工具与装备教育部重点实验室;轨道交通基础设施性能监测与保障国家重点实验室；华东交通大学载运工具与装备教育部重点实验室;轨道交通基础设施性能监测与保障国家重点实验室；华东交通大学载运工具与装备教育部重点实验室;轨道交通基础设施性能监测与保障国家重点实验室

关键词：刀具;状态监测;迁移学习;ResNet50

基金：国家自然科学基金地区科学基金项目(51865010)；江西省教育厅科技项目（GJJ210639）

针对现有基于深度学习的刀具磨损状态监测方法训练样本少、识别精度低的问题，建立基于迁移学习（TL）与深度残差网络(ResNet)的铣刀磨损状态监测模型。将刀具加工过程中的振动监测信号通过连续小波变换转换成能量时频图，作为网络模型的输入；将在ImageNet数据集上训练的ResNet50模型作为预训练模型，通过迁移学习的方法，应用到刀具磨损状态监测领域当中。实例验证表明:TL-ResNet模型的平均识别准确率达到98.52%，实现了刀具不同磨损状态下的智能识别，有效提高了刀具磨损状态监测的准确性和稳定性。

来源：2023年第18期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第18期