来源：期刊VIP网 时间：
作者：刘红军;胡轶玮;韩文杰;
单位：沈阳航空航天大学机电工程学院;沈阳飞机工业(集团)有限公司工程技术中心工装设计所;
摘要：针对采集刀具加工数据过程中有冗余信息和干扰信号，导致刀具磨损状态特征识别困难、识别精度不高等问题，提出一种基于快速谱峭度图的变分模态分解模态分量选取（VMDFK）与格拉姆角场（GAF）图像编码技术相结合的卷积神经网络（CNN）刀具磨损状态识别方法。首先通过变分模态分解和快速谱峭度图，筛选符合要求的模态分量并重构；再采用形态滤波对重构信号去噪和增强；最后通过格拉姆角场图像编码技术，将经去噪增强后的信号转换为格拉姆角场图，并将其输入卷积神经网络中提取特征，较好地解决了信号中的干扰和图像识别中图像特征不明显问题。实验结果表明：该方法可准确清晰地展现刀具磨损状态的特征，在即时性、准确度等方面有较大提高，实现对刀具不同磨损状态的实时智能识别，具有较好的效果。
关键词：刀具磨损状态识别;;变分模态分解;;快速谱峭度;;形态滤波;;格拉姆角场;;深度学习
基金资助：国家自然科学基金资助项目（51875367）
