公开(公告)号：CN115392292A

公开(公告)日：2022-11-25

申请号：CN202210917959.6

申请日：2022-08-01

Applicant: 燕山大学

Inventor： 郭保苏 ,  董昊 ,  乔朝辉 ,  孙万诚

IPC: G06K9/00 ,  G06N3/04 ,  B23Q17/09

Abstract: 本发明提供一种基于注意力循环神经网络的刀具磨损在线监测方法，其包括：采集机床加工过程中的刀具磨损数据，制作原始数据集；对原始数据集进行预处理，包括无效数据剔除、小波包变换和特征提取；将经过预处理的实验数据集输入到基于注意力循环神经网络的刀具磨损监测模型中进行迭代训练，当模型监测误差在规定之范围内，保存模型；在线采集刀具加工过程中的磨损信号，经过数据预处理后，输入到训练好的模型中，进行在线监测。本发明将注意力机制和循环神经网络交叉融合，构建了基于注意力循环神经网络的刀具磨损在线监测方法，可精准监测刀具磨损值，本方法具备良好的泛化能力与自适应能力以及良好的鲁棒性。

公开(公告)号：CN114297912A

公开(公告)日：2022-04-08

申请号：CN202111491303.4

申请日：2021-12-08

Applicant: 燕山大学

Inventor： 郭保苏 ,  董昊 ,  吴凤和 ,  韩天杰 ,  温银堂 ,  张玉燕

IPC: G06F30/27 ,  G06N3/04 ,  B23Q17/09 ,  G06F119/04 ,  G06F119/14

Abstract: 本发明提供一种基于深度学习的刀具磨损预测方法，其包括以下步骤，步骤一：采集数控机床加工数据；步骤二：对步骤一得到的初始数据进行小波分解处理；步骤三：借助于深度学习网络训练刀具磨损预测模型；步骤四：判断步骤三得到的训练结果是否符合要求；步骤五：采集在线加工数据，完成刀具磨损的实时预测。本发明可对刀具磨损采集的数据实现自动降噪，准确高效地提取数据特征，具有预测准确率高，计算速度快，更新速度快等优点。本发明的应用进一步提升加工的安全性，不仅有利于保证加工质量，还有助于减少材料损失，减少加工废品的产生。

公开(公告)号：CN114297912B

公开(公告)日：2024-08-20

申请号：CN202111491303.4

申请日：2021-12-08

Applicant: 燕山大学

Inventor： 郭保苏 ,  董昊 ,  吴凤和 ,  韩天杰 ,  温银堂 ,  张玉燕

IPC: G06F30/27 ,  G06N3/0464 ,  B23Q17/09 ,  G06F119/04 ,  G06F119/14

Abstract: 本发明提供一种基于深度学习的刀具磨损预测方法，其包括以下步骤，步骤一：采集数控机床加工数据；步骤二：对步骤一得到的初始数据进行小波分解处理；步骤三：借助于深度学习网络训练刀具磨损预测模型；步骤四：判断步骤三得到的训练结果是否符合要求；步骤五：采集在线加工数据，完成刀具磨损的实时预测。本发明可对刀具磨损采集的数据实现自动降噪，准确高效地提取数据特征，具有预测准确率高，计算速度快，更新速度快等优点。本发明的应用进一步提升加工的安全性，不仅有利于保证加工质量，还有助于减少材料损失，减少加工废品的产生。

公开(公告)号：CN115186574A

公开(公告)日：2022-10-14

申请号：CN202210657535.0

申请日：2022-06-10

Applicant: 燕山大学

Inventor： 郭保苏 ,  董昊 ,  马轩 ,  鲁泽坤 ,  吴凤和 ,  温银堂

IPC: G06F30/27 ,  G06F30/17 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G06F119/04

Abstract: 本发明一种基于门控循环残差网络的刀具剩余寿命预测方法，属于数控机床刀具剩余寿命预测相关技术领域，其包括以下步骤：采集数控机床刀具整个生命周期的加工磨损信号；对采集到刀具整个生命周期的加工磨损信号进行预处理；对降噪后的信号进行数据划分、归一化处理，赋予标签并分组，构成训练数据集；构建基于门控循环残差网络的刀具剩余寿命预测模型，基于训练数据集，得到训练好的刀具剩余寿命预测模型；在线实时采集刀具加工磨损传感器信号，基于训练好的刀具剩余寿命预测模型，得到刀具剩余寿命的实时预测；本方法提出的刀具剩余寿命预测模型鲁棒性强，预测精度率高，学习速度快，在铣削加工中有较好的推广应用价值。