本研究提出了一种新方法AdvWT，通过利用物体自然损耗生成对抗样本，克服了现有方法的局限性。实验结果表明，AdvWT能够保持损伤外观的自然真实性，并有效误导深度神经网络。

本研究提出了一种基于深度学习的方法，通过引入切削条件作为额外的模型输入，提高刀具磨损估计的准确性。实验结果表明，该方法在工业场景中具有潜在的应用价值。

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。

本文介绍了一种新颖的方法来预测数控车削中的刀具磨损，该方法结合了超声麦克风阵列和卷积神经网络 (CNN)。利用波束形成技术增强 0 kHz 到 60 kHz 的高频声发射信号与噪声之比，然后通过 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)。经过训练并使用单个硬质合金插入切削的 350 个工件的数据，该模型能够准确预测硬质合金插入切削的...

可穿戴设备的能量收集技术不断发展，日本东北大学研究人员开发了一种耐用、高效的能量采集器，可用于多种可穿戴设备和物联网应用。