-
公开(公告)号：CN119589494A
公开(公告)日：2025-03-11
申请号：CN202411799784.9
申请日：2024-12-09
Applicant: 哈尔滨工业大学
IPC: B23Q17/09
Abstract: 少标记下基于物理信息自监督学习的刀具磨损量预测方法，属于数控加工中心刀具磨损状态预测技术领域。包括采集加工过程中的切削力、振动和声发射等监测信号；每个样本进行截取和Z分数标准化的预处理操作；设计混合残差卷积神经网络刀具磨损监测模型，对多源传感器信号进行信息融合和高维表征提取；利用辅助任务一对刀具磨损监测模型进行预训练，引导模型提取信号的不变性特征；本发明在标记数据稀缺的情况下，实现了对刀具磨损的高精度预测和出色的泛化能力，能够有效减少预测误差的波动幅度，保持预测结果的稳定性。本发明在模型训练中有效利用了少量标记数据，确保了刀具磨损监测的稳定可靠性，符合实际生产中对监测精度和适应性的要求。
Search Results
1
records
(took 0.019 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
