-
公开(公告)号:CN119474859A
公开(公告)日:2025-02-18
申请号:CN202411480216.2
申请日:2024-10-23
Applicant: 哈尔滨工业大学
IPC: G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/09 , G06N3/094 , G06N3/084
Abstract: 一种基于ResNet‑GAN与小波神经网络的多齿刀具破损监测方法,属于刀具监测技术领域。用于提高样本扩充中生成信号的质量,降低样本训练的不平衡比,并且实现深度特征的可视化。本发明对破损样本进行了样本扩充,实现了少数类样本的数据增强,使得算法可以更充分地学习破损信号的特征,降低了样本训练的不平衡比,提高了训练准确率;另外本发明通过ResNet残差块、梯度惩罚项的结合使得在深层的神经网络中仍能保证梯度正常传播,保持训练平滑和稳定,减少梯度爆炸的现象,提高了生成信号的质量;通过多小波函数核卷积模块从不同维度提取信号深层特征,实现了特征可视化,可以更好地区分不同的破损状态。