基于LSTM的轮毂端面变形量在线检测系统

摘要

针对传统端面平面度在线检测时,会出现由于工业现场光线、粉尘等干扰使激光位移传感器采样数据异常,导致端面平面拟合出现偏差的问题,提出了利用基于神经网络的异常检测方法来识别传感器采集的异常数据.首先在非异常数据集上对层叠LSTM网络进行训练,然后对多个时间步长后的原始数据进行预测分析,由此产生的预测误差进行高斯分布建模,为数据异常检测提供判断依据.最后使用最小二乘法完成对端面平面度的求解.通过工业实验验证了该方法的有效性,其测量精度为±0.073 mm,相较于传统平面度在线检测精度提高明显.