使用PMSCNN模型对磨轮磨损的评估.
Sumei Si1,2, Zekai Si1,3, Deqiang Mu4
1College of Electromechanical Engineering, Changchun University of Technology, Changchun, 130012, China.
Scientific reports
|August 6, 2025
概括
一个新的模型,PMSCNN,使用电机电流信号和机器学习准确评估磨轮磨损. 这种方法通过有效预测磨损趋势来提高加工效率和质量.
科学领域:
- 制造业 工程 制造工程
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 磨轮磨损严重影响加工效率和产品质量.
- 精确评估研磨轮磨损对于优化制造工艺至关重要.
研究的目的:
- 开发和验证一种名为PMSCNN的新型研磨轮磨损评估模型.
- 用机器学习提高预测研磨轮磨损的准确性和可靠性.
主要方法:
- 一个卷积神经网络 (CNN) 和变压器模型 (PMSCNN) 已开发用于磨损评估.
- 研磨轮轴电机电流信号被测量并使用中间波器进行处理.
- 使用梯度增强回归器分析特征的重要性,选择前四个特征.
- 使用这些选定的特征验证了PMSCNN模型的预测准确性.
主要成果:
- PMSCNN模型在预测和实际磨损趋势之间显示出很好的相似性.
- 交叉验证结果显示平均绝对平均误差 (MAE) 为3.028,根平均平方误差 (RMSE) 为3.938,R平方 (R2) 为0.919.
- 模块化分析证实了每个组件对模型性能的贡献.
结论:
- PMSCNN模型有效地从当前信号中提取与磨损相关的模式.
- 开发的模型实现了对磨轮磨损的高预测准确度.
- 这种方法为实时监测和评估研磨轮磨损提供了一个有希望的解决方案.


