基于深度卷积神经网络的机床有效加工状态识别

对机床有效加工状态进行识别,有助于进一步提高生产效率,提高机床的自动化水平和控制精度。本文根据空转和有效加工2个阶段的识别问题,提出了一种基于卷积神经网络的有效运行状态识别方法。以时域、频域和通过小波包变换提取的时频域特征作为原始输入,对输入进行去均值、归一化处理,以PCA(主成分分析)进行压缩降维,将其作为卷积神经网络的输入。首先以2个卷积-池化模块进行特征学习,再连接2个全连接层,通过Softmax函数进行监督学习,建立有效运行状态识别的深度学习模型。经过预定次数训练后,结果表明本文采取的模型平均准确度达96.94%。