基于傳統(tǒng)機(jī)器學(xué)習(xí)的螺旋銑刀具磨損監(jiān)測(cè)方法需要復(fù)雜的特征提取和豐富的經(jīng)驗(yàn)知識(shí),不同磨損階段具有相同的錯(cuò)誤分類代價(jià),針對(duì)這些問(wèn)題,結(jié)合電流信號(hào)一維性特點(diǎn),提出基于一維卷積神經(jīng)網(wǎng)絡(luò)(1D CNN)和代價(jià)敏感學(xué)習(xí)的螺旋銑刀具磨損監(jiān)測(cè)方法.采集機(jī)器人螺旋銑末端執(zhí)行器主軸、公轉(zhuǎn)軸和進(jìn)給軸電流作為監(jiān)測(cè)信號(hào),并采用滑動(dòng)窗口法進(jìn)行樣本劃分,在降低網(wǎng)絡(luò)容量的同時(shí)增加樣本數(shù)量和多樣性;在網(wǎng)絡(luò)損失函數(shù)中引入代價(jià)矩陣并增加急劇磨損階段的錯(cuò)誤分類代價(jià),使得1D CNN具有代價(jià)敏感性;直接將電流時(shí)域信號(hào)輸入1D CNN,網(wǎng)絡(luò)可以自動(dòng)提取刀具磨損特征,并將特征提取和不同磨損階段分類融合在一起.試驗(yàn)結(jié)果表明,在機(jī)器人螺旋銑系統(tǒng)中,該方法的刀具磨損監(jiān)測(cè)準(zhǔn)確率為99.29%,在急劇磨損階段的查全率為99.60%.

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖4.1訓(xùn)練集中各個(gè)磨損階段樣本的占比

浙江大學(xué)碩士學(xué)位論文基于代價(jià)敏感一維卷積神經(jīng)網(wǎng)絡(luò)的螺旋銑孔刀具磨損狀態(tài)監(jiān)測(cè)53第四章基于代價(jià)敏感一維卷積神經(jīng)網(wǎng)絡(luò)的螺旋銑孔刀具磨損狀態(tài)監(jiān)測(cè)【本章摘要】針對(duì)電流信號(hào)數(shù)據(jù)集存在的樣本類別不平衡和急劇磨損階段查全率不高等問(wèn)題，本章進(jìn)一步提出一種基于1DCS-CNN的螺旋銑孔刀具磨損狀態(tài)....

本文編號(hào)：3903538