基于人工智能的专用铣削机械刀具磨损与缺陷预测：使用低成本加速度传感器改装
机器学习
2022-02-08 v1 人工智能
摘要
铣床是许多工业加工链的重要组成部分。因此，近年来已提出若干基于机器学习的刀具磨损检测方法，但这些方法大多针对标准铣床，而专为更专门任务设计的机械迄今仅受到有限关注。本文展示了一种加速度传感器的应用，以实现对此类专用机器（即环缝铣床）便捷的工况监测。我们考察了多种状况，包括刀片磨损与刀片断裂，以及机器安装不当或传动带张力不足。此外，我们提出了在训练数据量有限情况下的不同有监督故障识别方法。因此，除理论见解外，我们的分析具有很高的实际意义，因为用加速度传感器和边缘端分类装置改装旧机器成本低、工作量小，却能提供关于机器及特别是刀具状态以及总体生产过程的宝贵洞察。
引用
@article{arxiv.2202.03068,
title = {Artificial Intelligence based tool wear and defect prediction for special purpose milling machinery using low-cost acceleration sensor retrofits},
author = {Mahmoud Kheir-Eddine and Michael Banf and Gregor Steinhagen},
journal= {arXiv preprint arXiv:2202.03068},
year = {2022}
}