发明名称 |
一种基于SAEs和K‑means的刀具破损监测方法 |
摘要 |
本发明公开了一种基于SAEs和K‑means的刀具破损监测方法,其包括以下步骤:(1)采集电流信号样本集;(2)将规整处理后的所述电流信号输入到SAEs作为输入样本集,重构并提取原始电流信号的特征,将最后一个SAEs训练所得的编码矢量输出为特征向量;(3)将所述特征向量作为K‑means聚类的输入层,对所有输入数据进行分类;(4)输出样本聚类结果,并根据聚类效果微调K‑means参数以及SAEs参数;(5)输出聚类效果,根据聚类效果判断刀具是否破损。 |
申请公布号 |
CN106271881A |
申请公布日期 |
2017.01.04 |
申请号 |
CN201610632997.1 |
申请日期 |
2016.08.04 |
申请人 |
华中科技大学 |
发明人 |
李斌;罗博;石成明;刘乐星;刘红奇;毛新勇;彭芳瑜;阳雪峰 |
分类号 |
B23Q17/09(2006.01)I |
主分类号 |
B23Q17/09(2006.01)I |
代理机构 |
华中科技大学专利中心 42201 |
代理人 |
梁鹏 |
主权项 |
一种基于SAEs和K‑means的刀具破损监测方法,其包括以下步骤:(1)提供一个监测系统,所述监测系统包括霍尔传感器、Labview平台及SAEs,首先,采用所述霍尔传感器测量主轴电机的三相电流信号;之后,根据每个工件的加工过程对应的电流信号特点对采集到的电流信号进行分段截取,并计算截取获得的每个工件的电流信号的均方根值RMS;最后,再将获得的电流信号进行平滑处理,同时,采用规整算法将平滑处理后的电流信号进行规整处理;(2)将规整处理后的所述电流信号输入到所述SAEs作为输入样本集,重构并提取原始电流信号的特征,将最后一个SAEs训练所得的编码矢量输出为特征向量;(3)将所述特征向量作为K‑means聚类的输入层,对所有输入数据进行分类;(4)输出样本聚类结果,并根据聚类效果微调K‑means参数以及SAEs参数;(5)输出聚类效果,根据聚类效果判断刀具是否破损。 |
地址 |
430074 湖北省武汉市洪山区珞喻路1037号 |