来源：期刊VIP网 时间：
作者：程胜明;王雅君;张昕晨;冷峻宇;
单位：大连工业大学机械工程与自动化学院;
摘要：对于传统的卷积神经网络准确率低的问题，提高刀具磨损监测的准确性，提出一种具有残差结构的一维卷积神经网络。模型中采用两个残差块，残差结构能够跳跃一部分卷积层减少模型的训练时间，并将信息保留下来与下一层输出连接起来。采集的信息具有多维性，卷积神经网络能够自适应地提取相关特征，比传统机器学习需要人工依靠经验来提取特征更具有可靠性。实验结果表明，具有残差结构的卷积神经网络比传统的卷积神经网络不仅有较低的损失函数值，在准确度方面也有很好表现，提高了刀具磨损分类的精度。
关键词：一维卷积;;残差结构;;刀具磨损监测;;机器学习
基金资助：辽宁省教育厅项目（LJKZ0532）
