基于VMD-CWT和CNN数控机床刀具健康诊断方法的研究 |
| |
引用本文: | 王寿元,李积元,张涛.基于VMD-CWT和CNN数控机床刀具健康诊断方法的研究[J].青海大学学报,2023(6):69-77. |
| |
作者姓名: | 王寿元 李积元 张涛 |
| |
作者单位: | 青海大学机械工程学院 |
| |
摘 要: | 在数控机床切削过程中,刀具的健康状况直接影响产品的加工质量。因此,为了对刀具的健康状态作出诊断评价,本文提出了一种基于变分模态分解(VMD)和连续小波变换(CWT)特征提取与卷积神经网络(CNN)的刀具健康诊断方法。该方法首先采集不同健康状态下的刀具在切削时的振动信号,然后经VMD分解成若干IMF分量,并求解每个IMF分量的相关系数,选取相关系数较大的分量进行信号重构;其次采用连续小波变换来构造重构信号的时频图;最后将得到的时频图输入构建的CNN模型中,通过多层卷积、池化处理得到信号特征与刀具健康状态之间的准确映射,进而实现刀具的健康诊断。经实验验证表明,本文所提方法的识别准确率达到98.9%,具有良好的状态识别能力和泛化性,可为刀具健康诊断方法提供一定的理论依据。
|
关 键 词: | 刀具健康诊断 变分模态分解 连续小波变换 卷积神经网络 |
|
|