基于VMDFK和图像编码技术CNN网络刀具磨损状态识别

作     者：刘红军 胡轶玮 韩文杰 LIU Hongjun;HU Yiwei;HAN Wenjie

作者机构：沈阳航空航天大学机电工程学院辽宁沈阳110000 沈阳飞机工业(集团)有限公司工程技术中心工装设计所辽宁沈阳110000 

出 版 物：《中国工程机械学报》 (Chinese Journal of Construction Machinery)

年 卷 期：2024年第22卷第1期

页      面：94-100页

学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(51875367) 

主　　题：刀具磨损状态识别 变分模态分解 快速谱峭度 形态滤波 格拉姆角场 深度学习 

摘      要：针对采集刀具加工数据过程中有冗余信息和干扰信号,导致刀具磨损状态特征识别困难、识别精度不高等问题,提出一种基于快速谱峭度图的变分模态分解模态分量选取(VMDFK)与格拉姆角场(GAF)图像编码技术相结合的卷积神经网络(CNN)刀具磨损状态识别方法。首先通过变分模态分解和快速谱峭度图,筛选符合要求的模态分量并重构;再采用形态滤波对重构信号去噪和增强;最后通过格拉姆角场图像编码技术,将经去噪增强后的信号转换为格拉姆角场图,并将其输入卷积神经网络中提取特征,较好地解决了信号中的干扰和图像识别中图像特征不明显问题。实验结果表明:该方法可准确清晰地展现刀具磨损状态的特征,在即时性、准确度等方面有较大提高,实现对刀具不同磨损状态的实时智能识别,具有较好的效果。