基于GAF-CNN的刀具磨损程度识别研究.docxVIP

机械工程师MECHANICAL

机械工程师

MECHANICALENGINEER

7网址：

7

网址：电邮：hrbengineer@163.com圆园23年第8期

基于GAF-CNN的刀具磨损程度识别研究

孙皓章1，孔繁星1,2，陈娜1，赵紫寅1，李胜男1

（1.吉林化工学院信息与控制工程学院，吉林吉林132022；2.海南科技职业大学机电工程学院，海口571126）

摘要：针对刀具磨损的检测需求，提出一种GAF-CNN方法，对铣刀的力信号进行格拉姆角场处理，以铣刀的一维力信号转化的二维图像作为卷积神经网络的输入，进而识别出刀具磨损的3种状态。经过实验，GAF-CNN分别在训练集和测试集得到99%和98%的准确率。最后，将文中实验结果与采用相同数据集并以处理过的时序信号作为输入的其它实验进行对比。对比结果显示，提出的GAF-CNN方法对刀具磨损程度识别有更高的分类准确率，证明了该方法的可行性。

关键词：刀具磨损；深度学习；卷积神经网络；格拉姆角场

中图分类号:TH164 文献标志码:粤 文章编号：员园园圆原圆猿猿猿（圆园23）08原园007原园5

ResearchonRecognitionofToolWearDegreeBasedonGAF-CNN

SUNHaozhang1，KONGFanxing1,2