声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2187/TH
国际刊号：0577-6686
发布日期:
作者：赖旭伟, 丁昆, 张楷, 黄锋飞, 郑庆, 李致萱, 丁国富
单位：1. 西南交通大学机械工程学院 成都 610031;2. 西南交通大学轨道交通运维技术与装备四川省重点实验室 成都 610031
关键词：可解释深度学习,刀具磨损,空间注意力,物理特性；
基金：国家重点研发计划(2020YFB1708000)、国家自然科学基金青年基金(52205130)和中央高校基本科研业务费专项资金(2682022CX006)资助项目。
深度学习的可解释性不足已成为制约其工业应用的重要问题。刀具磨损状态智能评估方法有着较高的速度、自动化和智能化程度，然而其端到端的模式及提取的特征难以被理解。尤其在跨工艺参数时，其可解释性差、可靠性不足。为此提出一种基于可解释物理引导空间注意力机制改进的跨工艺参数立铣刀磨损辨识方法，首先根据信号的周期不连续特性构建了一种物理引导的空间注意力模块，实现了在跨工艺参数(进给速度、切深)下关键信号片段的自适应捕捉；其次结合最大均值差异及方差约束对特征进行约束，缩小了不同工艺参数下磨损特征的分布差异，同时提升了同类磨损特征的聚集程度。通过实际的刀具切削试验验证，所提方法有效提升了跨工艺参数下的辨识精度；空间注意力权重分布的可视化分析结果表明，所提方法提取出的特征具有明显的物理可解释性。所提方法可为刀具磨损监测的深度辨识模型进行可解释性优化提供参考。
来源：2024年第12期
《机械工程学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。