FPGA高速数据采集的WEDM在线脉冲识别

为了提高电火花加工放电间隙的实时识别准确率,文中提出了一种基于FPGA高速数据采集的神经网络的放电间隙在线识别方案。利用FPGA和AD模块对加工间隙电压数据进行高速采集,通过FPGA内部的FIFO和串口协同实现周期性数据传输。在Python的Pytorch库构建了CNN GRU融合神经网络模型,对所采集的数据进行在线识别,验证了该采集系统的可行性。实验结果表明:文中方案对加工电压脉冲的离线识别准确率达到了97.35%,优于CNN和GRU方法,满足了电火花加工对间隙电压识别的高精度要求,实现了神经网络的实时在线识别放电间隙。