一种基于信号转换和深度残差网络的刀具故障诊断方法

摘要

本发明公开了一种基于信号转换和深度残差网络（ResNet‑34）的刀具故障诊断方法，属于机械装备故障类型诊断识别技术领域，包括：（1）数据采集；（2）数据预处理（3）振动信号到图像信号的转换；（4）构建深度残差网络（ResNet‑34）模型；（5）训练网络模型；（6）测试。本发明采用深度残差网络(ResNet‑34)完成刀具磨损故障类型诊断，将由X、Y、Z三轴方向收集到的振动信号转换为图像信号，并作为网络模型的输入，最后将提取的特征输入到全连接层，利用Softmax函数完成刀具故障类型的诊断。该方法将深度残差网络引入刀具故障诊断领域，有助于误差反向传播和和优化参数模型，克服了深层卷积神经网络会发生梯度消失、梯度爆炸的缺陷。