面向能效激光切割机的人工智能方法
计算机视觉与模式识别
2025-11-20 v1 人工智能
机器学习
机器人学
摘要
本研究针对激光切割中显著的能源消耗和环境影响挑战，提出新型深度学习（DL）方法实现能源降低。认识到当前CO2激光抽吸泵缺乏自适应控制且处于开环状态，本研究采用闭环配置，根据切割材料及产生烟雾水平动态调整泵功率。为实现此自适应系统，引入多种材料分类方法，包括基于无镜头散斑感知的定制卷积神经网络（CNN）和使用USB摄像头通过迁移学习实现的预训练VGG16 CNN模型方法。此外，还采用独立的DL模型检测烟雾水平，以同时优化泵的功率输出。该集成使排气抽吸泵在非活动时自动停止，并在运行时动态调整功率，实验结果表明实现了显著的能源节省，结果显示烟气抽吸泵的能源消耗降低20%至50%，为制造业领域的可持续发展作出了实质性贡献。
引用
@article{arxiv.2511.14952,
title = {Artificial intelligence approaches for energy-efficient laser cutting machines},
author = {Mohamed Abdallah Salem and Hamdy Ahmed Ashour and Ahmed Elshenawy},
journal= {arXiv preprint arXiv:2511.14952},
year = {2025}
}