基于深度门控循环单元神经网络的刀具磨损状态监测方法

发明专利有效专利

申请号：
CN202010077631.9
IPC分类号：G06K9/00;G06N3/04
申请日期：
2020-01-31
申请人：
贵州大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于深度门控循环单元神经网络的刀具磨损状态监测方法
申请号	CN202010077631.9	申请日期	2020-01-31
法律状态	实质审查	申报国家	中国
公开/公告日	2020-06-23	公开/公告号	CN111325112A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;N;3;/;0;4查看分类表>
申请人	贵州大学	申请人地址	贵州省贵阳市花溪区贵州大学（北区）科技处变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	贵州大学	当前权利人	贵州大学
发明人	袁庆霓;陈启鹏;蓝伟文;杜飞龙
代理机构	贵阳东圣专利商标事务有限公司	代理人	袁庆云

摘要

本发明公开了一种基于深度门控循环单元神经网络的刀具磨损状态监测方法，包括：利用传感器实时采集刀具加工过程中产生的振动信号，经小波阈值去噪后输入一维卷积神经网络中进行单个时间步时序信号局部特征提取，然后输入改进的深度门控循环单元神经网络CABGRUs中进行时序信号时间序列特征提取，引入Attention机制计算网络权重并对其进行合理分配，最后，将不同权重的信号特征信息放入Softmax分类器对刀具磨损状态进行分类，避免因人工提取特征带来的复杂性和局限性；同时有效解决了单卷积神经网络忽略时序信号前后关联问题，通过引入了Attention机制提高了模型的准确率。因此，本发明具有提高刀具磨损状态监测的实时性和准确性的特点。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供