相关实验视频
Updated: Jun 27, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.7K
基于多传感器信息融合的机床磨损预测技术
Kang Wang1, Aimin Wang1, Long Wu2
1Digital Manufacturing Institute, Beijing Institute of Technology, Beijing 100081, China.
Sensors (Basel, Switzerland)
|April 27, 2024
概括
本研究引入了一种使用多传感器数据融合和ResNet-LSTM模型的新工具磨损预测方法. 这种先进的技术准确地预测了刀具的状况,提高了制造效率,并防止了意外的刀具断裂.
科学领域:
- 制造业 工程 制造工程
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 智能监控切削工具对于制造效率至关重要.
- 准确预测工具磨损和破损对于防止停机和确保零件质量至关重要.
研究的目的:
- 提出一种使用多传感器信息融合的新型工具磨损预测技术.
- 通过整合ResNet和LSTM,开发一个准确的工具磨损预测模型.
- 为了提高信号特征提取和降噪的能力.
主要方法:
- 在加工过程中收集振动,电流和切削力信号.
- 从传感器信号中提取的特征.
- 应用卡尔曼过来实现特征融合.
- 开发了一个混合ResNet-LSTM模型用于工具磨损预测.
主要成果:
- 与单个ResNet和LSTM模型相比,ResNet-LSTM模型显著提高了预测准确性.
- 在信号特征提取过程中证明了自适应性降噪能力.
- 实现了0.0085mm的平均预测误差和98.25%的预测准确度.
结论:
- 拟议的ResNet-LSTM模型有效地预测了使用多传感器融合的工具磨损.
- 该方法增强了信号特征提取和降噪,验证了其用于智能工具监控的可行性.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
1.1K
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.6K