[发明专利]一种基于机器学习的刀具磨损状态监测方法在审
| 申请号： | 201811297325.5 | 申请日： | 2018-11-01 |
| 公开（公告）号： | CN109571141A | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 焦黎;陈刚;王西彬;颜培;王昭;史雪春;刘志兵;解丽静;梁志强;周天丰 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | B23Q17/09 | 分类号： | B23Q17/09 |
| 代理公司： | 北京国坤专利代理事务所(普通合伙) 11491 | 代理人： | 郭伟红 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于铣床的附件和辅助装置技术领域，公开了一种基于机器学习的刀具磨损状态监测方法，将切削力和振动信号作为刀具状态监测信息，多特征融合的刀具磨损状态监测与预测方法，实现铣削加工刀具状态的有效监测同时为切削数据库提供基础数据来源及监测预测模块。不论是切削力还是振动信号，进行特征融合后识别精度更高，且进给方向提取特征相比其他方向有更高的识别精度；对比所有提取特征和经过选择后的部分特征识别精度可知，起到降维作用的相关性选择法可以提高分类的准确性和系统鲁棒性，对刀具监测系统有重要作用；通过神经网络对刀具磨损量进行回归分析，建立刀具磨损监测模型，并采用粒子群优化算法提高神经网络性能及表现。 | ||
| 搜索关键词： | 刀具磨损状态 监测 基于机器 神经网络 振动信号 切削力 粒子群优化算法 铣床 刀具监测系统 刀具磨损监测 铣削加工刀具 刀具磨损量 多特征融合 系统鲁棒性 刀具状态 方向提取 辅助装置 回归分析 基础数据 监测信息 监测预测 特征融合 特征识别 提取特征 切削 降维 进给 数据库 学习 分类 预测 表现 | ||
【主权项】：
1.一种基于机器学习的刀具磨损状态监测方法，其特征在于，所述基于机器学习的刀具磨损状态监测方法将切削力和振动信号作为刀具状态监测信息，通过多特征融合的刀具磨损状态监测与预测方法，实现铣削加工刀具状态的有效监测；对比所有提取特征和经过选择后的部分特征识别精度；通过神经网络对刀具磨损量进行回归分析，建立刀具磨损监测的神经网络模型，并采用粒子群优化算法提高神经网络性能及表现。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学，未经北京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811297325.5/，转载请声明来源钻瓜专利网。
