輕量化CNN與時間序列融合識別刀具磨損方法

摘要： 針對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)刀具磨損程度識別方法網(wǎng)絡(luò)模型體積大、結(jié)構(gòu)復(fù)雜以及在線獲取刀具磨損圖像數(shù)據(jù)難的問題，提出一種將輕量卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于刀具磨損程度識別的研究方法。將銑刀加工時產(chǎn)生的力信號與振動信號經(jīng)格拉姆角場處理轉(zhuǎn)化為圖像數(shù)據(jù)集。再將圖像數(shù)據(jù)分別輸入到輕量級卷積神經(jīng)網(wǎng)絡(luò)MobilenetV2、MobilenetV3、ShuffleNet模型中進行對比分析。結(jié)果表明：在初期磨損和... （共5頁）