公开(公告)号：CN113609789A

公开(公告)日：2021-11-05

申请号：CN202111080880.4

申请日：2021-09-15

申请人： 重庆大学

发明人： 何彦 ,  李育锋 ,  王兴全 ,  吴鹏程 ,  何静森

IPC分类号： G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/02

摘要： 本发明涉及计算机及大数据技术领域，具体涉及一种基于时空特征并行提取的刀具磨损状态预测方法，包括：获取刀具加工过程中的原始时空序列数据；并行提取所述原始时空序列数据中对应的空间特征、时间特征和统计特征；对所述原始时空序列数据对应的空间特征、时间特征和统计特征进行轻量化特征融合，以得到对应的刀具磨损特征；将所述刀具磨损特征输入经过预先训练的磨损状态预测模型中，并将所述磨损状态预测模型输出的磨损状态值作为对应刀具的磨损状态预测结果。本发明中的刀具磨损状态预测方法能够有效提取原始时空序列数据时空特征，从而提升刀具磨损状态预测的稳定性和准确性。

公开(公告)号：CN111687689A

公开(公告)日：2020-09-22

申请号：CN202010582632.9

申请日：2020-06-23

申请人： 重庆大学

发明人： 何彦 ,  李育锋 ,  凌俊杰 ,  刘雪晖 ,  鄢萍 ,  吴鹏程 ,  王兴全

IPC分类号： B23Q17/09

摘要： 本发明涉及一种基于LSTM和CNN的刀具磨损状态预测方法及装置。所述方法包括：采集机床加工过程中的原始数据，所述原始数据包括机床振动数据、刀具切削力数据和高频应力波数据；将原始数据输入到LSTM网络中，提取原始数据的时间序列特征；然后将已提取时间序列特征的原始数据输入到CNN网络中，提取原始数据中包含时间序列特征的多维度特征；基于包含时间序列特征的多维度特征，以及设置的映射关系计算得到刀具磨损预测值；本发明还进一步公开了基于LSTM和CNN的刀具磨损状态预测装置。本发明中基于LSTM和CNN的刀具磨损状态预测方法和装置，能够兼顾数据多维度特征和时间序列特征的提取效果，从而能够提升刀具磨损状态的预测效果。