基于卷积神经网络的深孔镗削加工过程颤振监测研究

提出了一种基于卷积神经网络(convolutional neural networks,CNN)的深孔镗削加工过程颤振监测方法。利用传感器采集蕴含加工过程状态信息的振动信号,采用短时傅里叶变换(short-time Fourier transform,STFT)对采集的信号进行分析,得到的能量频谱图作为CNN模型的输入,建立了基于CNN的深孔镗削颤振监测模型,最后结合实际案例研究了CNN网络结构与参数对颤振监测准确率的影响。试验结果表明:通过STFT对原始信号分析得到的能量频谱图比原始信号能更有效地表征过程状态,文中方法能有效监测深孔镗削加工过程颤振状态。