[發明專利]一種改進VMD和SSA_RES_CONVLSTM的刀具磨損檢測方法

在審

• 申請號: 202310525246.X
• 申請日: 2023-05-10
• 公開（公告）號: CN116578850A
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 孔維賓;陳希;賈保敏;宋育斌;楊曉芳;姜盼盼
• 申請（專利權）人: 鹽城工學院;鹽城工學院技術轉移中心有限公司
• 主分類號: G06F18/20
• 分類號: G06F18/20;B23Q17/09;G06F18/241;G06N3/006;G06N3/0464;G06N3/08
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 陳建和

1.一種改進VMD和SSA_RES_CONVLSTM的刀具磨損檢測方法，其特征是，包括如下步驟：

1)針對刀具磨損信號進行預處理，將多特征磨損信號歸一化；

2)使用改進變分模態分解對刀具磨損進行分解；

3)使用格拉姆角場將得到的信號按時間步長轉換成圖像；

4)將刀具圖像輸入到RES_CONVLSTM做刀具磨損預測；

5)使用麻雀搜索算法對RES_CONVLSTM中的超參數進行調優，得到最優超參數；

6)使用最優超參數訓練RES_CONVLSTM結構，在獲得預測結果的同時得到一個決定系數R²作為最后的準確率判斷標準；

7)確定驗證指標；

8)使用測試集來測試模型的準確率，得出刀具磨損預測的結果。

2.根據權利要求1所述的目標檢測模型優化方法，其特征是，其中：

1)將多種磨損信號歸一化，其計算公式為：

其中，max是樣本數據的最大值，min是樣本數據的最小值。

2)使用改進變分模態分解對刀具磨損進行分解，對分解信號的模態數K和帶寬alpha設定一個范圍，在范圍內對每個樣本進行分解；對樣本每個分解的IMF計算其信息熵，對其設定一個閾值，對超過閾值的IMF進行去除，對低于閾值的IMF進行保留，然后進行重構，信息熵計算公式為：

其中，n代表x的n種不同離散取值，p(x_i)代表x取值為i的概率；

對每個樣本在范圍內進行分解的重構信號進行計算皮爾遜系數，皮爾遜系數最大的信號作為最終信號，皮爾遜系數的計算公式為：

其中，分式上方是x和y的協方差，分式下方是x標準差和y標準差的乘積。

3.根據權利要求1所述的目標檢測模型優化方法，其特征是，其中：

3)使用格拉姆角場將一維時間序列數據按時間步長轉換成二維圖像，

將數據縮放到[-1，1]，其計算公式為：

其中X為時序數據，x_i是X中是數據點。

將縮放后的數據轉換到極坐標，其計算公式為：

其中，t_i∈N代表x_i的時間戳，N是時序數據中所包含的所有時間點的個數，φ是向量i,j之間的夾角。

最后得到GASF，其計算公式為：

4.根據權利要求1所述的目標檢測模型優化方法，其特征是，其中：

4)將刀具圖像輸入到RES_CONVLSTM做刀具磨損預測，第一層采用RES_CONVLSTM結構，使用BN層降低數據維度，中間使用CNN進一步提取特征，最后使用Flatten層展開全連接得到最終預測結果；其中，殘差結構將網絡結構優化為并行結構形成殘差卷積長短期記憶網絡RES_CONVLSTM，殘差結構在原有的輸入x求得映射H(x)的基礎上引入殘差的概念，將其等價映射為F(x)+x，獲取刀具圖像中的時空序列特征，優化網絡的反向傳播，提高模型收斂速度。

5.根據權利要求1所述的目標檢測模型優化方法，其特征是，其中：

7)確定驗證指標，將刀具磨損分為輕微磨損、中度磨損、嚴重磨損；驗證標準指標采用準確率Accuracy，準確率為所有預測正確占總的比重，公式為：

其中，TP為被正確地劃分的個數，FP為被錯誤地劃分的個數。