[发明专利]可快速更换刨刀的龙门刨床及其方法

权利要求书

1.一种可快速更换刨刀的龙门刨床，其特征在于，包括：

传感器数据采集模块，用于获取由相机采集的龙门刨床的刨刀在运行前的第一刨刀图像和在运行结束后的第二刨刀图像以及通过电流传感器采集的所述龙门刨床在运行过程中的电流信号；

差分模块，用于计算所述第一刨刀图像和所述第二刨刀图像之间的差分图像；

图像编码模块，用于将所述差分图像通过基于过滤器的第一卷积神经网络以得到第一特征矩阵；

统计模块，用于从所述电流信号提取多个时域统计特征；

联合图像编码模块，用于将所述电流信号的波形图通过联合编码器的图像编码器以得到电流波形特征向量，所述图像编码器使用第二卷积神经网络对所述电流信号的波形图进行编码；

联合序列编码模块，用于将所述多个时域统计特征通过所述联合编码器的序列编码器以得到电流时域统计特征向量，所述序列编码器使用包含嵌入层的上下文编码器对所述多个时域统计特征进行基于全局的上下文语义编码；

联合编码模块，用于通过所述联合编码器对所述电流波形特征向量和所述电流时域统计特征向量进行联合编码以得到第二特征矩阵；

特征矩阵融合模块，用于基于所述第一特征矩阵和所述第二特征矩阵之间的平滑响应过渡信息融合所述第一特征矩阵和所述第二特征矩阵以得到分类特征矩阵，其中，所述第一特征矩阵和所述第二特征矩阵之间的平滑响应过渡信息基于所述第二特征矩阵与所述第一特征矩阵的差分特征矩阵来表示；以及

刨刀更换结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示所述龙门刨床的刨刀是否需要更换。

2.根据权利要求1所述的可快速更换刨刀的龙门刨床，其中，所述差分模块，进一步用于计算所述第一刨刀图像和所述第二刨刀图像之间的按像素位置的差分以得到所述差分图像。

3.根据权利要求2所述的可快速更换刨刀的龙门刨床，其中，所述第一卷积神经网络的各层在层的正向传递中对输入数据进行：

使用所述过滤器对所述输入数据进行卷积编码以得到卷积特征图，其中，所述过滤器为二维卷积核；

对所述卷积特征图进行沿通道维度的池化处理以得到池化特征图；以及

对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；

其中，所述第一卷积神经网络的输出为所述第一特征矩阵，所述第一卷积神经网络的第一层的输入为所述差分图像。

4.根据权利要求3所述的可快速更换刨刀的龙门刨床，其中，所述多个时域统计特征包括：均值、中位数、最大值、最小值、标准差、方差、偏度和峰度。

5.根据权利要求4所述的可快速更换刨刀的龙门刨床，其中，所述第二卷积神经网络的各层在层的正向传递中对输入数据进行：

使用二维卷积核对所述输入数据进行卷积处理以得到卷积特征图；

对所述卷积特征图进行基于特征矩阵的全局池化处理以得到池化特征向量；以及

对所述池化特征向量中各个位置的特征值进行非线性激活以得到激活特征向量；

其中，所述第二卷积神经网络的最后一层的输出为所述电流波形特征向量，所述第二卷积神经网络的第一层的输入为所述电流信号的波形图。

6.根据权利要求5所述的可快速更换刨刀的龙门刨床，其中，所述序列编码器使用包含嵌入层的上下文编码器对所述多个时域统计特征进行：

使用所述上下文编码器的嵌入层将所述多个时域统计特征映射为嵌入向量以获得嵌入向量的序列；以及

使用所述上下文编码器的转换器对所述嵌入向量的序列进行基于上下位的全局语义编码以获得所述电流时域统计特征向量。