文献知网节
(录用定稿)网络首发时间:2018-09-17 11:10:10
  • 记笔记
摘要:为了提高刀具磨损在线监测的精度和泛化性能,提出了一种基于卷积神经网络的刀具磨损量在线监测模型。利用时域传感器信号对刀具磨损量进行定量分析,避免数据预处理带来的信息丢失;采用深度网络自适应地提取特征,取代传统的人工特征提取过程,并通过加深网络进一步挖掘信号中隐藏的微小特征。实验结果表明,该模型对刀具后刀面磨损量监测效果较好,可以有效避免人为特征提取的局限,精度和泛化性都有一定程度的提高。与相关研究的对比也证实了其可行性和有效性。
  • 专辑:

    工程科技Ⅰ辑; 信息科技

  • 专题:

    金属学及金属工艺; 自动化技术

  • 分类号:

    TP183;TG71

中国知网独家网络首发,未经许可,禁止转载、摘编。

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:586 页数:12 大小:602K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者