公开(公告)号：CN117697533A

公开(公告)日：2024-03-15

申请号：CN202311563836.8

申请日：2023-11-22

Applicant: 大连理工大学

Inventor： 王永青 ,  秦波 ,  刘阔 ,  乔石 ,  姜业明 ,  牛蒙蒙 ,  杨巍 ,  白玉珍

IPC: B23Q17/09 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/08

Abstract: 一种基于长短时记忆神经网络‑机理混合驱动的刀具磨损在线监测方法，采集主轴振动信号，去噪，划分训练集和测试集；采用长短时记忆神经网络构建刀具磨损数据驱动监测网络；利用训练集数据训练数据驱动监测网络，获得刀具磨损数据驱动监测模型，并保存模型相关参数。基于刀具磨损规律，构建机理驱动的刀具磨损状态误分类判断模型。将实际加工过程中实时采集的振动信号经数据预处理后输入刀具磨损数据驱动监测模型中，获得对应信号的刀具磨损状态，并以获得连续三个刀具状态为一组输入机理驱动的误分类判断模型，获得最终的刀具磨损状态。本方法能有效降低因监测数据随机干扰导致的数据驱动监测模型出现误分类的情形，显著提高了监测结果的可靠性。

公开(公告)号：CN117574109A

公开(公告)日：2024-02-20

申请号：CN202311563578.3

申请日：2023-11-22

Applicant: 大连理工大学

Inventor： 刘阔 ,  秦波 ,  姜业明 ,  崔益铭 ,  乔石 ,  牛蒙蒙 ,  王永青 ,  杨巍 ,  白玉珍

IPC: G06F18/21 ,  G06F18/214 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/088 ,  B23Q17/09

Abstract: 一种基于磨损时序缓变规律的刀具状态监测模型在线学习方法，采集加工过程中主轴三个方向的振动信号，对振动信号进行平滑滤波，并将其划分为训练集和测试集；利用训练集数据构建刀具磨损状态数据驱动监测模型，并保存模型相关参数；将加工过程中的实时振动信号经数据处理后输入数据驱动监测模型中，获取对应信号的刀具状态标签，设定置信度阈值，保存符合条件的刀具标签以及对应的监测数据构成高置信度伪标签样本；按时间顺序将高置信度伪标签样本输入基于刀具磨损规律的机理判别模型中，调整伪标签样本中包含的误分类样本标签获得高可靠伪标签样本；利用高可靠伪标签样本更新数据驱动监测模型网络参数，从而实现刀具状态监测模型的在线学习。