多尺度CNN磨削分类器

多传感器故障辨识

通过信号转图像融合多传感器振动数据，多尺度卷积网络提取多尺度故障特征，提升机器人磨削在线监测的故障分类性能。

Li, Zhe · Liu, Kexin · 王旭东 · 袁小芳 · Xie, He · 王耀南

Journal of Intelligent Manufacturing 2023

技术优势

多传感器融合

通过MSDP方法将多传感器振动信号融合为图像，比单一传感器包含更多代表性信息。

图像质量提升

基于所开发的指标选择最优参数生成MSDP图像，使不同类别的图像区分更清晰，同类图像更相似，从而有利于特征提取。

多尺度特征提取

多尺度CNN利用不同尺度的卷积核获取多尺度故障信息，从而提升了分类性能。

应用场景

• 机器人磨削状态监测：实时识别磨削过程中的异常状态，替代人工目检或简单阈值报警。
• 制造过程质量控制：对磨削工序进行在线质量监测，及时发现质量偏差，减少废品率。
• 工业机器人维护：根据振动信号分类故障类型，为机器人磨削系统提供预测性维护支持。