文献

J-GLOBAL ID：202202236592523894   整理番号：22A0855580

旋削プロセスにおける畳込みニューラルネットワークに基づく画像ベース工具状態監視【JST・京大機械翻訳】

Image-based tool condition monitoring based on convolution neural network in turning process

著者 (5件)： Kou Rui (School of Mechanical Engineering, Tongji University, Shanghai, China) ,  Lian Shi-wei (Sino-German College of Applied Science, Tongji University, Shanghai, China) ,  Xie Nan (Sino-German College of Applied Science, Tongji University, Shanghai, China) ,  Lu Bei-er (Sino-German College of Applied Science, Tongji University, Shanghai, China) ,  Liu Xue-mei (School of Mechanical Engineering, Tongji University, Shanghai, China)
資料名： International Journal of Advanced Manufacturing Technology  (International Journal of Advanced Manufacturing Technology)
巻： 119  号： 5-6  ページ： 3279-3291  発行年： 2022年 
JST資料番号： T0397A  ISSN： 0268-3768  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 工具摩耗は,加工品質,効率,およびコストに大きな影響を与えるので,製造システムにとって極めて重要である。ツール条件監視(TCM)の現在の研究は,主に知的アルゴリズムを用いてマルチセンサから時系列信号を処理する。しかし,これらの方法の限界は以下の通りである。1)画像情報は時系列信号に統合されず,2)従来の方法は貧弱な一般化と高速収束の問題に直面している。このように,マルチセンサ特徴融合とニューラルネットワークに基づく新しい統合モデルを提案した。センサデータを,最初に,Piecewise Aggrate Approximation(PAA)を用いて前処理し,次に,Gramian Angular Field(GAF)を用いて画像に再符号化した。ツール赤外線画像と共に画像が,コンボリューションニューラルネットワーク(CNN)モデルに入力され,それは逃げ面摩耗値の出力を実現する。時系列信号とツール赤外線画像を用いて分類を達成し,試験セットの最終分類精度は91%であった。結果は,提示した方法論の高い計算効率と良好な一般化性能を示した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *工具 ,  生産システム ,  工具摩耗 ,  *旋削 ,  信号 ,  *ニューラルネットワーク ,  監視 ,  赤外線画像 ,  変換符号化
準シソーラス用語： 計算効率 ,  *状態監視 ,  センサデータ ,  逃げ面摩耗 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 工具状態監視 ,  深層学習 ,  旋削

分類 (3件)： 切削一般  (QC02010V) ,  フライス加工  (QC02030R) ,  その他の切削  (QC02040C)

タイトルに関連する用語 (4件)： 旋削プロセス ,  畳込みニューラルネットワーク ,  工具 ,  状態監視