基于随机失活层优化深度置信网络算法的刀具磨损预测

□ 陈 莉

新乡职业技术学院 现代设计与工程学院 河南新乡 453006

1 研究背景

随着工业加工技术的不断进步,提升自动化控制精度成为众多研究人员的关注重点[1]。在加工过程中,锻锤与工件表面会在数控加工中心运行阶段发生接触,从而造成磨损的问题。锻锤表面的磨损状态会对工件的加工质量与锻床性能造成直接作用,尤其是在进行精加工时,需要达到更高的精度控制要求[2-3]。但是到目前为止,锻锤材料并不能完全满足实际使用性能要求,对于切削锻锤耐磨性的研究也受到较大的限制[4-5]。

进行刀具磨损预测时,库祥臣等[6]以反向传播神经网络构建预测模型,从传感器信号频谱内采集波形参数组成输入特征,再以随机方式对样本实施训练。毕长波等[7]主要研究通过遗传算法在全局范围内搜索反向传播神经网络权值的过程,由此确定最优性能的网络,但神经网络只能实现浅层学习的分析功能,此时样本数据内包含与预测结果存在紧密关联的输入特征,才可以获得优异的模型性能,这并不满足深度挖掘的要求。王国峰等[8]研究通过深度学习方法从样本中提取趋势性特征,以粒子滤波修正的方法来提升模型的鲁棒能力。Keyvanrad等[9]利用深度置信网络测试分辨手写数字,并对词汇进行预测试验。Mannepalli等[10]采用深度置信网络方法准确提取输入语音信号的有效频谱信号,在情感识别方面表现出优异的综合性能。

笔者在前人研究的基础上,应用随机失活层优化深度置信网络算法,对数控刀具磨损状态进行预测,并与其它算法进行对比分析。……