作者:沈娣丽,刘冬敏,都金光,明五一 单位:辽宁省机械研究院 出版:《机械设计与制造》2019年第08期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFJSYZ2019080390 DOC编号:DOCJSYZ2019080399 下载格式:PDF + Word/doc 文字可复制、可编辑
  • 中走丝机床放电加工过程中,放电状态的检测是数控系统中的一个极其重要环节,而传统的检测是基于放电电压的平均值对其辨识,但是它对过渡电弧放电和电弧放电等状态检测不敏感。针对上述问题,提出一种基于深度网络学习的机器视觉方法,首先将放电状态的电压信号转换为灰度图像;其次对不同周期的放电图像压缩到统一的图像尺寸中(256×256像素);最后基于Tensorflow并行计算框架,采用K邻近方法、Logistic Regression方法和深度网络学习三种方法对放电状态进行辨识。结果表明深度网络学习方法最好,准确率最优为95.63%,这对中走丝机床放电状态传感器的设计具有重要的指导意义。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。