基于EEMDFK和注意力CNN网络的刀具磨损状态识别

TP319.7; 针对加工数据采集存在数据量大且干扰信号复杂,导致刀具磨损状态识别方式复杂、识别精度低等问题,提出一种基于快速谱峭度图的集合经验模态分量选取(EEMDFK)与注意力机制的卷积神经网络(ACNN)相结合的识别方法.针对集合经验模态存在选取模态分量困难的情况,引用快速谱峭度图选择策略选取最优分量.通过集合经验模式分解从所采集的不同状况下的刀具振动信号分解出故障信号特征;通过快速谱峭度图选择策略选取内在模函数并进行HHT时频分析,生成时频图;将时频图输入所设计的识别模型进行学习,通过注意力机制提高特征提取效率,并使保存的模型在测试集中对不同刀具磨损状态进行了识别.实验结果表明,该方法...

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 29; no. 10; pp. 3413 - 3424
Main Authors 吴继春, 阳广兴, 许可, 周灭旨, 胡柱, 范大鹏
Format Journal Article
LanguageChinese
Published 湘潭大学机械工程学院,湖南 湘潭 411105%国防科技大学智能科学学院,湖南 长沙 410073 2023
Subjects
注意力机制
deep learning
快速谱峭度
attention mechanism
深度学习
刀具磨损
tool wear
集合经验模式分解
ensemble empirical mode decomposition
fast-Kurtogram
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2023.10.017

Cover

Abstract TP319.7; 针对加工数据采集存在数据量大且干扰信号复杂,导致刀具磨损状态识别方式复杂、识别精度低等问题,提出一种基于快速谱峭度图的集合经验模态分量选取(EEMDFK)与注意力机制的卷积神经网络(ACNN)相结合的识别方法.针对集合经验模态存在选取模态分量困难的情况,引用快速谱峭度图选择策略选取最优分量.通过集合经验模式分解从所采集的不同状况下的刀具振动信号分解出故障信号特征;通过快速谱峭度图选择策略选取内在模函数并进行HHT时频分析,生成时频图;将时频图输入所设计的识别模型进行学习,通过注意力机制提高特征提取效率,并使保存的模型在测试集中对不同刀具磨损状态进行了识别.实验结果表明,该方法对刀具不同状态下的识别率可达99.7％,实现了不同磨损状态下刀具的智能识别,并具有较好的泛化能力和鲁棒性.
AbstractList TP319.7; 针对加工数据采集存在数据量大且干扰信号复杂,导致刀具磨损状态识别方式复杂、识别精度低等问题,提出一种基于快速谱峭度图的集合经验模态分量选取(EEMDFK)与注意力机制的卷积神经网络(ACNN)相结合的识别方法.针对集合经验模态存在选取模态分量困难的情况,引用快速谱峭度图选择策略选取最优分量.通过集合经验模式分解从所采集的不同状况下的刀具振动信号分解出故障信号特征;通过快速谱峭度图选择策略选取内在模函数并进行HHT时频分析,生成时频图;将时频图输入所设计的识别模型进行学习,通过注意力机制提高特征提取效率,并使保存的模型在测试集中对不同刀具磨损状态进行了识别.实验结果表明,该方法对刀具不同状态下的识别率可达99.7％,实现了不同磨损状态下刀具的智能识别,并具有较好的泛化能力和鲁棒性.
Author 胡柱
吴继春
周灭旨
范大鹏
许可
阳广兴
AuthorAffiliation 湘潭大学机械工程学院,湖南 湘潭 411105%国防科技大学智能科学学院,湖南 长沙 410073
AuthorAffiliation_xml – name: 湘潭大学机械工程学院,湖南 湘潭 411105%国防科技大学智能科学学院,湖南 长沙 410073
Author_FL YANG Guangxing
XU Ke
ZHOU Miezhi
FAN Dapeng
WU Jichun
HU Zhu
Author_FL_xml – sequence: 1
  fullname: WU Jichun
– sequence: 2
  fullname: YANG Guangxing
– sequence: 3
  fullname: XU Ke
– sequence: 4
  fullname: ZHOU Miezhi
– sequence: 5
  fullname: HU Zhu
– sequence: 6
  fullname: FAN Dapeng
Author_xml – sequence: 1
  fullname: 吴继春
– sequence: 2
  fullname: 阳广兴
– sequence: 3
  fullname: 许可
– sequence: 4
  fullname: 周灭旨
– sequence: 5
  fullname: 胡柱
– sequence: 6
  fullname: 范大鹏
BookMark eNrjYmDJy89LZWCQNjTQMzQ2tDTTz9JLzswt1jMyMDLWAwoaGJqzMHAaGhiY6ZpaGhpyMPAWF2cmAbmmZsbmpqacDDZP5-96sqvP1dXXxc376aSeZ5tXPGvpf9o129nP7_neic93z3k-q-VpR8PT1u3PF6941jv_ede2Zw2NL9a3Pe1YzcPAmpaYU5zKC6W5GULdXEOcPXR9_N09nR19dIsNDUzNdQ3NzSwNkgwMEy3MkyzMjQ3M0xINTNJMzJItUxJNjVNNTQ1SzU3MUw2STZLNjSwNzAySjAzMUiwsTE3TDCzMTcyMuRm0IOaWJ-alJealx2fllxblAW2MzyrOykquqqooAXkY6E1Dc2MANCddGg
ClassificationCodes TP319.7
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.13196/j.cims.2023.10.017
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL Tool wear state recognition based on EEMDFK and attention CNN network
EndPage 3424
ExternalDocumentID jsjjczzxt202310017
GroupedDBID 2B.
4A8
92I
93N
ALMA_UNASSIGNED_HOLDINGS
CDYEO
PSX
TCJ
ID FETCH-LOGICAL-s1057-17690b01a87b87307fa04f46c9da53e550e747e0c4c729060b206d8855f087463
ISSN 1006-5911
IngestDate Thu May 29 04:00:06 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 10
Keywords 注意力机制
deep learning
快速谱峭度
attention mechanism
深度学习
刀具磨损
tool wear
集合经验模式分解
ensemble empirical mode decomposition
fast-Kurtogram
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1057-17690b01a87b87307fa04f46c9da53e550e747e0c4c729060b206d8855f087463
PageCount 12
ParticipantIDs wanfang_journals_jsjjczzxt202310017
PublicationCentury 2000
PublicationDate 2023
PublicationDateYYYYMMDD 2023-01-01
PublicationDate_xml – year: 2023
  text: 2023
PublicationDecade 2020
PublicationTitle 计算机集成制造系统
PublicationTitle_FL Computer Integrated Manufacturing Systems
PublicationYear 2023
Publisher 湘潭大学机械工程学院,湖南 湘潭 411105%国防科技大学智能科学学院,湖南 长沙 410073
Publisher_xml – name: 湘潭大学机械工程学院,湖南 湘潭 411105%国防科技大学智能科学学院,湖南 长沙 410073
SSID ssib006563755
ssib023646381
ssib001102950
ssib051375755
ssib023167363
ssib036438063
ssib000459500
ssib002258428
Score 2.365014
Snippet TP319.7;...
SourceID wanfang
SourceType Aggregation Database
StartPage 3413
Title 基于EEMDFK和注意力CNN网络的刀具磨损状态识别
URI https://d.wanfangdata.com.cn/periodical/jsjjczzxt202310017
Volume 29
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR1NaxQxdKjbixdRVPymoDmVrdnMZJKAl2R3lqK2F1vorczXaguuYLcge6pQpRQ_0KMKPXgpePAgKFT8N-6uP8P3Muns6PZQvQyZ5L2X9zHkvWTyEs-7kfg5zVga18OU-vUAPEA9abC4Dp4bons_6SQZJjgvLIbzy8HtFb4yVZur7Fra7CVzaf_IvJL_sSrUgV0xS_YfLFsShQoog33hCRaG57FsTCJOVJsYTaIAnxJmbgut9h1bz4hskigkxidaYkFC2NjGJqmJMs3FRRIJYlpENWzBENXEgtIIiWASt0FggRMjsEmXpFrYL9QAKRPaGgoxKYkk0W0iQ4euTTX2ta0R0bY7KCiBiNAp8q-AJYsYIqKijgISV0hcU8ukj3w6bss9yVZcSkzgWnRBGHrjYxCFFYAPsEYR0z4ULBiDWPaMtC1tEOQP-g0rukApdcvSByFkddGkyGi2H7jVu-0RCy2LwYkOLGscX3VYET4kmhFjZQZFa24VBNo3FWCgphCMNQ-JF1oGS4jZyf5mA3AvlBPGLfcGa50OmCUvrN1DtGBh5SO4U5Y7YMS36CVWCXNc7uCdW52H2L1SwB3-vK14RFxy4sp5ROcy3SKVGxpoxQFiUFQJpvygyJCfcNQ48ltPna49xFPzmT-HmyyLPN6_TkBf31hfT_v9Jz0EwzPDxAlvmgnR4DVvWrcW7t6rTlAUrxw4CZpmilczvSHgrky4YTbji3FmNsNzISoH0uHtCuCgSg8Ir76k43beAGxhr1Yu9eSONkMBb06KZ3MDu524e78Sxi6d9k65-eeMLgaTM95U_8FZ79Zg7-Dnwati8Bi8fTH8sj_cfj3YfQ-DxOjHm9H3D6N324OdrcGzb6OP-8OXe6Pdr8Otp78-Px_sfDrnLbejpeZ83V2rUt_AS73xSFiFvz9iKRIJDl50Yhp0gjBVWcz9nHOai0DkNA1SgZdB0ITRMJOS8w6VAvRx3qt1H3XzC95MHODturGUiegENGkkLM9YlrA4UyqPRXzRu-6kXXXD5sbqpDUvHQvqsncSy8Xy5xWv1nu8mV-FCUEvuea-gt9yZLvB
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8EEEMDFK%E5%92%8C%E6%B3%A8%E6%84%8F%E5%8A%9BCNN%E7%BD%91%E7%BB%9C%E7%9A%84%E5%88%80%E5%85%B7%E7%A3%A8%E6%8D%9F%E7%8A%B6%E6%80%81%E8%AF%86%E5%88%AB&rft.jtitle=%E8%AE%A1%E7%AE%97%E6%9C%BA%E9%9B%86%E6%88%90%E5%88%B6%E9%80%A0%E7%B3%BB%E7%BB%9F&rft.au=%E5%90%B4%E7%BB%A7%E6%98%A5&rft.au=%E9%98%B3%E5%B9%BF%E5%85%B4&rft.au=%E8%AE%B8%E5%8F%AF&rft.au=%E5%91%A8%E7%81%AD%E6%97%A8&rft.date=2023&rft.pub=%E6%B9%98%E6%BD%AD%E5%A4%A7%E5%AD%A6%E6%9C%BA%E6%A2%B0%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E6%B9%96%E5%8D%97+%E6%B9%98%E6%BD%AD+411105%25%E5%9B%BD%E9%98%B2%E7%A7%91%E6%8A%80%E5%A4%A7%E5%AD%A6%E6%99%BA%E8%83%BD%E7%A7%91%E5%AD%A6%E5%AD%A6%E9%99%A2%2C%E6%B9%96%E5%8D%97+%E9%95%BF%E6%B2%99+410073&rft.issn=1006-5911&rft.volume=29&rft.issue=10&rft.spage=3413&rft.epage=3424&rft_id=info:doi/10.13196%2Fj.cims.2023.10.017&rft.externalDocID=jsjjczzxt202310017
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fjsjjczzxt%2Fjsjjczzxt.jpg