基于改進GRU神經(jīng)網(wǎng)絡的刀具磨損狀態(tài)預測

摘要： 針對傳統(tǒng)智能監(jiān)測方法中信號特征提取繁瑣，以及銑削過程中刀具磨損對工件質量和生產(chǎn)效率的影響等問題，提出一種基于改進GRU神經(jīng)網(wǎng)絡的刀具磨損狀態(tài)預測方法（BiGRU-1DCNN-CBAM）。利用統(tǒng)計量、時域分析、頻域分析和小波變換等方法提取刀具信號的均值、峰度和功率譜密度等24個特征量，將多模態(tài)時間序列數(shù)據(jù)轉換為刀具特征的時間序列圖像；引入卷積神經(jīng)網(wǎng)絡挖掘信號數(shù)據(jù)的深層特征，結合卷... （共19頁）