| 注册
首页|期刊导航|中国机械工程|采用改进CNN-BiLSTM模型的刀具磨损状态监测

采用改进CNN-BiLSTM模型的刀具磨损状态监测

刘会永 张松 李剑峰 栾晓娜

中国机械工程2022,Vol.33Issue(16):1940-1947,1956,9.
中国机械工程2022,Vol.33Issue(16):1940-1947,1956,9.DOI:10.3969/j.issn.1004-132X.2022.16.007

采用改进CNN-BiLSTM模型的刀具磨损状态监测

Tool Wear Detection Based on Improved CNN-BiLSTM Model

刘会永 1张松 2李剑峰 1栾晓娜2

作者信息

  • 1. 山东大学机械工程学院高效洁净机械制造教育部重点实验室,济南,250061
  • 2. 山东大学机械工程国家级实验教学示范中心,济南,250061
  • 折叠

摘要

关键词

小波阈值降噪/卷积神经网络/双向长短时记忆网络/刀具磨损状态监测

分类

矿业与冶金

引用本文复制引用

刘会永,张松,李剑峰,栾晓娜..采用改进CNN-BiLSTM模型的刀具磨损状态监测[J].中国机械工程,2022,33(16):1940-1947,1956,9.

基金项目

国家自然科学基金(51975333) (51975333)

国家新材料生产应用示范平台建设项目(2020-370104-34-03-043952) (2020-370104-34-03-043952)

山东省泰山学者工程专项(ts201712002) (ts201712002)

中国机械工程

OA北大核心CSCDCSTPCD

1004-132X

访问量3
|
下载量0
段落导航相关论文