摘要
本申请实施例提供一种基于多小波分解的刀具磨损状态确定方法、装置和设备。应用于仿真分析技术领域,该方法通过获取刀具X、Y、Z轴力信号和振动信号的历史数据和对应标签,利用标准化后数据和标签构建训练集、验证集和测试集;建立基于多小波联合分解的深度学习网络模型,并对深度学习网络模型进行超参数设置;将训练集、验证集和测试集的数据作为输入信号,通过多尺度特征提取模块对输入信号进行时频特征提取,得到用于刀具磨损状态确定的特征向量;通过全局平均池化层和全连接层对用于刀具磨损状态确定的特征向量进行分析处理,输出刀具磨损状态确定结果,提高了输出结果的准确性、可靠性。
技术关键词
刀具磨损状态
深度学习网络模型
多尺度特征提取
混合层
计算机执行指令
一维卷积神经网络
多分辨率特征
构建训练集
信号
矩阵
分解器
计算机存储介质
特征提取模块
标签
仿真分析技术
编码器
小波滤波器
系统为您推荐了相关专利信息
绕组热点温度
有功功率
多头注意力机制
电流
有效值
多任务学习模型
历史流量数据
金融
内容推送方法
计算机执行指令
房屋
评估模型训练方法
变量
样本
计算机执行指令
贝叶斯网络模型
溢流分析方法
后验概率
计算机执行指令
节点