关键字：刀具磨损;时空特征;多传感器;MC-1DCNN;BiLSTM

摘要：针对传统深度学习方法监测刀具磨损状况时，相关特征提取繁琐，数据隐含信息提取不全面导致识别精度较低等问题，提出了结合时空特征的多传感器刀具磨损监测模型。首先，将不同传感器采集的波形信号经简单预处理后作为输入，再使用多通道1D卷积神经网络(MC-1DCNN)提取输入数据的空间特征；然后，利用双向长短时记忆网络(BiLSTM)提取时序特征；最终，由全连接层和Softmax层对特征进行分类。仿真结果表明，监测模型流程简单、识别准确率高，具备较强的可适用性。

卷号：No.600

期号：02

是否译文：否