基于车削过程力测量的实时异常检测方法评估
机器学习
2018-12-24 v1 应用统计
机器学习
摘要
我们考察了三种常规异常检测方法的使用，并评估其在在线刀具磨损监测中的潜力。通过所提算法的高效数据处理与变换，我们在实时环境中测试了这些方法在 CNC 机床上快速评估切削刀具的性能。我们所用的三维力数据流提取自 21 次车削实验，其中刀具一直运行直至通常满足寿命终止判据。我们的实时异常检测算法根据预测刀具后刀面渐进磨损的精确程度进行评分与优化。如离线仿真结果所示，我们大多数的刀具磨损预测准确且可靠。特别是当应用多变量分析时，我们所开发的算法在不同场景及参数变化下均表现出很强的鲁棒性。将我们的方法应用于其他地方的实时刀具磨损分析应当相当容易。
引用
@article{arxiv.1812.09178,
title = {An Evaluation of Methods for Real-Time Anomaly Detection using Force Measurements from the Turning Process},
author = {Yuanzhi Huang and Eamonn Ahearne and Szymon Baron and Andrew Parnell},
journal= {arXiv preprint arXiv:1812.09178},
year = {2018}
}