Hi-MDTCN:用于工具状况监测的分层多级扩展时间卷积网络
Anying Chai1, Zhaobo Fang1, Mengjia Lian2
1College of Information Science and Engineering, Shenyang University of Technology, Shenyang 110870, China.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
这项研究介绍了Hi-MDTCN,这是一种用于准确识别工具磨损的新型深度学习模型. 层次的多尺度扩展时间卷积网络有效地分析传感器数据,改善工具状态识别.
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:
- 单个传感器数据提供了对工具磨损的有限洞察力.
- 现有的多传感器融合方法在数据互补性和冗余性方面扎.
研究的目的:
- 开发一种先进的深度学习模型,用于精确识别工具磨损状况.
- 克服当前单传感器和多传感器融合技术的局限性.
主要方法:
- 拟议的Hi-MDTCN (层次式多尺度扩展时间卷积网络) 具有层次信号分析框架.
- 使用了多频道1D CNN,专注于细分内部特征提取.
- 采用Bi-TCN模块进行跨细分长期依赖模型.
- 杆扩展卷积用于大型受体场和高效的并行处理.
主要成果:
- 在PHM2010削数据集上,Hi-MDTCN展示了卓越的工具状况识别准确性.
- 该模型有效地捕捉了当地的磨损特征和长期磨损演变趋势.
- 实现了对远程依赖关系的有效并行捕获,优于传统方法.
结论:
- 拟议的Hi-MDTCN模型为准确的工具磨损识别提供了有效的解决方案.
- Hi-MDTCN提高了工具寿命,加工质量和生产效率.
- 该方法显示了在工业环境中实际应用的巨大潜力.
