一种基于深度卷积神经网络的数控机床铣削刀具磨损实时监测方法

    公开(公告)号:CN113664612A

    公开(公告)日:2021-11-19

    申请号:CN202110976220.8

    申请日:2021-08-24

    IPC分类号: B23Q17/09

    摘要: 本发明涉及一种基于深度卷积神经网络的铣削刀具磨损状态实时监测方法,属于自动化监测识别技术领域。包括如下步骤:采集数控机床铣削工件时所产生的多源异构状态数据及对应的铣削刀具全生命周期磨损数据,预处理以上数据并贴标签;构建深度学习网络,实现刀具磨损量结果的精准回归预测;构建深度卷积神经网络,实现了刀具磨损量临界状态的有效识别;将实时刀具磨损量与对应临界状态阈值比较,及时采取更换刀具或改变参数等措施,实现刀具磨损状态实时监测。本发明具有网络模型输入信号来源完备、刀具磨损临界状态类别划分精细及模型预测准确率高的优点,可实现精准实时监测铣削刀具磨损状态,避免非正常状态刀具铣削加工,保证加工产品质量可控。

    一种考虑统计性、经济性的非参数自适应动态EWMA控制图多目标优化设计方法

    公开(公告)号:CN113807014A

    公开(公告)日:2021-12-17

    申请号:CN202111094421.1

    申请日:2021-09-17

    摘要: 本发明涉及一种考虑统计性、经济性的非参数自适应动态EWMA控制图多目标优化设计方法,属于统计过程控制领域。包括如下步骤:构建面向多品种小批量制造过程关键工序非参数自适应动态EWMA控制图;基于马尔卡夫链确定统计性指标、经济性指标计算方法;建立控制图多目标优化设计模型,采用云清晰综合评价方法对目标函数进行线性加权处理;基于改进人工鱼群算法对模型进行求解;以某航天复杂构件制造企业生产制造工艺流程为例,采用优化后控制图进行控制图,验证提出模型与方法有效性与可行性。本发明保证控制效果同时降低控制成本,实现对多品种小批量制造过程质量控制。为多品种小批量生产模式下控制图研究提供借鉴,为其质量控制提供支撑。