-
公开(公告)号：CN111366123A
公开(公告)日：2020-07-03
申请号：CN202010150557.9
申请日：2020-03-06
Applicant: 大连理工大学
Abstract: 本发明属于机械加工技术领域，提供了一种基于多任务学习的零件表面粗糙度和刀具磨损预测方法。首先，采集加工过程中的振动信号；下一步，测量零件表面粗糙度和刀具磨损情况，并将测得结果与振动信号分别对应；其次，进行样本扩充，提取特征并归一化处理；然后，构建基于深度置信网络的多任务预测模型，并将零件表面粗糙度和刀具磨损情况作为模型输出，提取特征作为输入，建立多任务DBN网络预测模型；最后，进行试验验证，振动信号输入多任务预测模型中，预测表面粗糙度以及刀具磨损状况。该方法的最大优点：一次建模实现零件表面粗糙度和刀具磨损的在线预测，充分利用了监测数据包含的隐藏信息，减少了工作量以及模型建立的成本。
-
公开(公告)号：CN110968038A
公开(公告)日：2020-04-07
申请号：CN201911308984.9
申请日：2019-12-18
Applicant: 大连理工大学
IPC: G05B19/4065
Abstract: 一种基于数字孪生的数控机床进给轴热误差监测方法，步骤如下：基于三维建模软件和MATLAB脚本语言创建实体数控机床进给轴的虚拟数字化模型；基于MATLAB脚本语言和Simulink创建驱动数据采集模块，从数控系统获取几何模型驱动数据；基于Simulink创建热误差数据采集模块，获取热误差预测数据；基于Simulink将以上各模块通过数据输入输出接口连接，搭建起进给轴数字孪生体模型，实现进给轴热误差三维实时呈现；基于MATLAB脚本语言和Simulink创建面向用户的交互界面。该方法可实现机床进给轴热误差监测由数据化展现向视觉化呈现，为数字孪生技术在数控机床热误差监测领域的应用提供具体实施方法。
-
公开(公告)号：CN110968038B
公开(公告)日：2020-11-03
申请号：CN201911308984.9
申请日：2019-12-18
Applicant: 大连理工大学
IPC: G05B19/4065
Abstract: 一种基于数字孪生的数控机床进给轴热误差监测方法，步骤如下：基于三维建模软件和MATLAB脚本语言创建实体数控机床进给轴的虚拟数字化模型；基于MATLAB脚本语言和Simulink创建驱动数据采集模块，从数控系统获取几何模型驱动数据；基于Simulink创建热误差数据采集模块，获取热误差预测数据；基于Simulink将以上各模块通过数据输入输出接口连接，搭建起进给轴数字孪生体模型，实现进给轴热误差三维实时呈现；基于MATLAB脚本语言和Simulink创建面向用户的交互界面。该方法可实现机床进给轴热误差监测由数据化展现向视觉化呈现，为数字孪生技术在数控机床热误差监测领域的应用提供具体实施方法。
-
公开(公告)号：CN111366123B
公开(公告)日：2021-03-26
申请号：CN202010150557.9
申请日：2020-03-06
Applicant: 大连理工大学
Abstract: 本发明属于机械加工技术领域，提供了一种基于多任务学习的零件表面粗糙度和刀具磨损预测方法。首先，采集加工过程中的振动信号；下一步，测量零件表面粗糙度和刀具磨损情况，并将测得结果与振动信号分别对应；其次，进行样本扩充，提取特征并归一化处理；然后，构建基于深度置信网络的多任务预测模型，并将零件表面粗糙度和刀具磨损情况作为模型输出，提取特征作为输入，建立多任务DBN网络预测模型；最后，进行试验验证，振动信号输入多任务预测模型中，预测表面粗糙度以及刀具磨损状况。该方法的最大优点：一次建模实现零件表面粗糙度和刀具磨损的在线预测，充分利用了监测数据包含的隐藏信息，减少了工作量以及模型建立的成本。
-
-
-
Search Results
4
records
(took 0.023 seconds)
