使用超声波麦克风阵列和卷积神经网络预测CNC车削操作中的刀具磨损
音频与语音处理
2024-06-14 v1 人工智能
声音
信号处理
摘要
本文介绍了一种预测CNC车削操作中刀具磨损的新方法，该方法结合了超声波麦克风阵列和卷积神经网络（CNN）。使用波束成形技术增强0 kHz至60 kHz之间的高频声发射，以提高信噪比。然后，CNN分析处理后的声学数据，预测切削刀具的剩余使用寿命（RUL）。该模型使用单个硬质合金刀片加工的350个工件的数据进行训练，可以准确预测硬质合金刀片的RUL。我们的结果证明了将先进超声波传感器与深度学习相结合，在CNC加工中实现精确预测性维护任务的潜力。
引用
@article{arxiv.2406.08957,
title = {Tool Wear Prediction in CNC Turning Operations using Ultrasonic Microphone Arrays and CNNs},
author = {Jan Steckel and Arne Aerts and Erik Verreycken and Dennis Laurijssen and Walter Daems},
journal= {arXiv preprint arXiv:2406.08957},
year = {2024}
}