排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
实时监测刀具磨损状态对保证工件加工质量和确定合理换刀时间至关重要. 数据驱动的多源信号融合预测是解决刀具磨损预测难题的可行方案. 本文中通过时域和频域分析提取了多维信号特征,并结合机器视觉方法处理刀具磨损图像获得的磨损特征,针对涂层面铣刀建立了随机森林磨损预测模型. 对于同类型的刀具和工件材料,使用特征迁移方法解决多工况场景下新刀样本不足问题. 试验结果表明,基于迁移特征建立的磨损预测模型对目标刀具的磨损量预测效果较迁移前显著提升,准确性评价指标R2决定系数从0.37提升到0.96. 基于特征迁移的磨损预测模型为数据驱动模型在刀具磨损预测和实时监测领域的应用提供参考依据. 相似文献
1