Research progress on intelligent monitoring of tool condition based on deep learning
D Cao, W Liu, J Ge, S Du, W Liu, Z Deng… - The International Journal …, 2024 - Springer
Intelligent monitoring of tool condition is the key to ensuring workshop manufacturing
efficiency, product machining quality, and accuracy, and is also an indispensable part of …
efficiency, product machining quality, and accuracy, and is also an indispensable part of …
基于半监督贝叶斯Transformer 的刀具磨损软测量及不确定性分析方法.
李悦， 谢恒， 周公博， 周坪… - China Mechanical …, 2024 - search.ebscohost.com
受刀具磨损离线测量方式的限制, 磨损样本少, 且测量噪声难以避免, 导致难以实现可靠的刀具
磨损监测. 针对该问题, 融合半监督Transformer 模型, Dropout, 蒙特卡罗(MC) 模拟方法 …
磨损监测. 针对该问题, 融合半监督Transformer 模型, Dropout, 蒙特卡罗(MC) 模拟方法 …
基于改进长短期记忆网络的铣刀磨损量预测研究.
周文军， 肖晓萍， 李自胜， 张楷… - Machine Tool & …, 2023 - search.ebscohost.com
针对铣刀磨损量预测精度低的问题, 提出一种高精度铣刀磨损量预测方法. 该方法通过遗传算法(
GA) 寻出长短期记忆网络(LSTM) 的最优参数, 并将参数输入LSTM 实现改进模型GA-LSTM …
GA) 寻出长短期记忆网络(LSTM) 的最优参数, 并将参数输入LSTM 实现改进模型GA-LSTM …
基于时间卷积长短时记忆网络的多域特征融合刀具磨损预测.
李先旺， 秦学敬， 贺德强， 吴金鑫… - Machine Tool & …, 2023 - search.ebscohost.com
准确预测刀具磨损是一个具有挑战性的问题. 如何结合各种信号的优势, 融合传感器信号特征来
提高预测精度, 是一个关键问题. 为解决上述问题, 提出基于时间卷积长短时记忆网络(TCN …
提高预测精度, 是一个关键问题. 为解决上述问题, 提出基于时间卷积长短时记忆网络(TCN …
基于动态专家会议算法的刀具磨损度在线识别.
张峰， 陈乃超， 邢海燕 - Machine Tool & Hydraulics, 2024 - search.ebscohost.com
为了提高机床加工过程中刀具磨损度识别准确率, 提出基于动态专家会议算法的在线识别方法.
分析刀具磨损机制, 设计刀具磨损度识别框架; 使用CEEMD 分解源信号得到IMF 分量 …
分析刀具磨损机制, 设计刀具磨损度识别框架; 使用CEEMD 分解源信号得到IMF 分量 …