[发明专利]轻量卷积神经网络结合时间序列融合识别刀具磨损方法

权利要求书

1.一种轻量卷积神经网络结合时间序列融合识别刀具磨损方法，其特征在于所述方法包括如下步骤：

步骤一、数据采集：

铣削时每次走刀时间相等，采集铣刀x、y、z三向力信号，铣削过程x、y、z三向振动信号及声发射均方根值；

步骤二、磨损分类：

以实验中铣刀三条刃平均磨损值作为度量标准，将铣刀1～m次走刀设为初期磨损期，m+1～n次走刀设为正常磨损期，n+1～p次走刀设为急剧磨损期，其中：m、n、p都是走刀次数，mnp；

步骤三、模型训练参数选择：

设置batchsize、学习率和epoch，选用随机梯度下降作为训练时优化器，损失函数采用交叉熵损失函数；

步骤四、模型建立：

步骤四一、搭建MobileNetV2、MobileNetV3模型，采用滑动窗口方式进行取样，生成GAF图像；

步骤四二、使用格拉姆角场将铣刀x、y、z三向力信号，x、y、z三向振动信号融合转化为二维GASF图像；

步骤五、设定模型评价指标：

为评价模型对刀具磨损程度识别效果，对训练后模型准确率A、查全率R、F₁-score平均准确率F₁进行计算；

步骤六、磨损识别

在初期磨损和正常磨损阶段使用MobilenetV2进行磨损识别，在急剧磨损阶段使用MobilenetV3进行磨损识别。

2.根据权利要求1所述的轻量卷积神经网络结合时间序列融合识别刀具磨损方法，其特征在于所述模型准确率A、查全率R、F₁-score平均准确率F₁的定义如下：

式中：TP代表预测结果正确的正样本；FP表示预测结果正确的负样本；TN为预测结果错误的正样本。