机械工程学报

作者：狄子钧, 袁东风, 李东阳, 梁道君, 周晓天, 信苗苗, 曹凤, 雷腾飞

单位：1. 山东大学信息科学与工程学院 济南 250100;2. 山东大学控制科学与工程学院 济南 250061;3. 齐鲁理工学院机电工程学院 济南 250200

关键词：刀具故障诊断,多尺度卷积神经网络,高效通道注意力,特征融合,智能制造；

基金：山东省重大科技创新工程“面向机床制造领域的新型自适应生产系统关键技术研发及应用示范”资助项目(2019JZZY010111)。

目前，生产加工流程正向着智能化迈进，设备的故障诊断及预测性维护在保障企业生产效率，降低生产成本方面起着至关重要的作用。刀具作为数控机床的切削工具，其实时健康状态直接影响着机床的加工效率和产品质量。对刀具磨损状态的精准监测有助于避免因刀具失效导致的产品质量问题。基于此背景，研究一种基于深度学习的刀具故障诊断方法，将高效通道注意力应用到多尺度卷积神经网络中，提出基于多尺度-高效通道注意力网络的刀具故障诊断方法，利用通道特征学习将机床主轴不同方向的振动信号进行自适应的特征融合，从而提升刀具磨损状态诊断精度。此外，设计刀具磨损试验平台，用于采集符合实际生产的数据，在实际生产场景中验证所提算法的性能。试验结果表明，所提出方法较多尺度网络的刀具故障诊断准确率提高4.47%。

来源：2024年第6期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第6期