摘要
为了提高刀具磨损状态的预测精度,提出了一种基于多传感器融合的刀具剩余寿命预测方法.在训练阶段,首先联合振动、电流、以及PLC控制器信息进行数据预处理并利用时间序列分析等方法进行特征提取.然后针对单帧样本缺乏上下文信息且无法全部覆盖整个生命周期数据的问题,采用多帧联合与mix-up方法对数据进行增强.最后设计一个深度神经网络来学习多模态输入特征与刀具剩余寿命之间的复杂非线性函数.在测试阶段,对网络输出结果进行中值滤波去除噪声影响得到最终预测值.试验结果表明,多模态数据的使用与数据增强的引入均可显著提升刀具磨损量的预测精度.
NETL
NSTL
维普
万方数据