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

Inventor： 乔政 ,  李铎 ,  康舒豪 ,  龙超 ,  刘欢 ,  李子腾 ,  刘宇虎 ,  宁永晨 ,  倪玟杰

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。