BriefGPT - AI 论文速递
·
增强工具磨损估计中的迁移学习能力的深度学习方法
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种利用超声麦克风阵列和卷积神经网络预测数控车削刀具磨损的新方法。通过波束形成技术增强声发射信号与噪声之比，并通过CNN分析处理后的声学数据，准确预测切削工具的剩余可用寿命。该方法在350个工件的数据上进行训练，能够准确预测硬质合金插入切削的寿命。这种结合超声传感器和深度学习的方法在数控加工中具有潜力。
🎯
关键要点
- 本文介绍了一种结合超声麦克风阵列和卷积神经网络的新方法来预测数控车削中的刀具磨损。
- 利用波束形成技术增强高频声发射信号与噪声之比。
- 通过CNN分析处理后的声学数据，预测切削工具的剩余可用寿命(RUL)。
- 该模型经过训练，使用了350个工件的数据，能够准确预测硬质合金插入切削的RUL。
- 结果展示了超声传感器与深度学习结合在数控加工中的潜力。
➡️
