来源：期刊VIP网 时间：
作者：李瑞芳;周鲁英;王方;
单位：郑州工业应用技术学院机电工程学院;河南省隧道工程机械工程技术研究中心;河南科技大学机电工程学院;北京华铁信息技术有限公司;
摘要：为了提高刀具磨损状态监测能力，设计了刀具磨损稀疏自编码器状态监测方法。利用深度学习网络分析数据特征，从而准确监测刀具的磨损程度。研究结果表明：主轴电流频域信号呈现明显的稀疏特征，可通过压缩感知的方式完成数据的压缩处理。人工提取特征方式只能达到81.3%的准确率，耗时达到295s；这里方法识别可以使准确率提升到98.4%以上，并使训练用时缩短至130s，具备明显优势。以时域信号组成稀疏自编码器输入参数时，达到70%的识别精度。与频域信号为输入，该方法监测结果具有很高的辨别精度该技术可以实现参数实时采集以及消除人为因素在参数选择方面造成影响的磨损检测技术，能够满足压缩感知与加噪条件下主轴电流信号处理需求。
关键词：刀具;;磨损;;主轴电流;;压缩感知;;稀疏自编码器;;监测
基金资助：河南省高等学校重点科研项目（21B535003）
