.png){kind=icon}
返回
Deep learning based intelligent CNC machining for error prediction using multi-sensor data
.png){kind=icon}
OA
AI
DOI：10.1007/s00170-026-18629-x.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精密加工在现代工业中至关重要，其中最小化误差可确保产品质量并减少缺陷。传统的计算机数控（CNC）加工误差估计方法依赖于人工经验、物理模型或客观数据支持，这会导致刀具过早更换或过度磨损，最终增加制造成本。本研究提出了一种基于深度学习（DL）的框架，利用多传感器时间序列数据对CNC加工误差进行预测。数据集通过振动和声学传感器以及机床控制器信号（包括主轴和刀架的转速及电流）从CNC车床上采集。评估了四种DL架构，即1D CNN、ResNet、DeepConvLSTM和InceptionTime，以识别最有效的CNC加工误差预测模型。InceptionTime实现了最小的均方误差（MSE）和平均绝对误差（MAE），优于其他DL模型。这实现了CNC加工中的实时误差估计，提高了精度、生产率和优化水平。
Keyword:
CNC machining
Deep learning
Sensor
Machining error prediction
Tool wear
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
T
IF:
0
论文数:
2.0K
被引数:
0
机构
引用论文
Deep Convolutional and LSTM Recurrent Neural Networks for Multimodal Wearable Activity Recognition用于多模式可穿戴活动识别的深度卷积和LSTM循环神经网络.png)
SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Intelligent Mechanical Fault Diagnosis Using Multisensor Fusion and Convolution Neural Network基于多传感器融合和卷积神经网络的智能机械故障诊断
PREAI
分享收藏DeepMachining: online prediction of machining errors of lathe machinesDeepMachining: 车床加工误差的在线预测
PREAI
分享收藏分享收藏A Hybrid-Model-Based CNC Machining Trajectory Error Prediction and Compensation Method基于混合模型的数控加工轨迹误差预测与补偿方法Electronics
OAAI
ElectronicsIF0
OAAI分享收藏
查看更多内容