您当前的位置：
首页 >
文章列表页 >
基于改进GRU神经网络的刀具磨损状态预测
信息科学 | 更新时间：2026-09-11
上一篇|下一篇

    • 基于改进GRU神经网络的刀具磨损状态预测

    • Tool wear state prediction based on improved GRU neural network

    • “研究人员提出"基于改进GRU神经网络的刀具磨损状态预测方法（BiGRU-1DCNN-CBAM）"，建立了多模态特征融合与深度注意力机制结合的刀具剩余寿命预测体系，为解决数控加工中刀具磨损监测精度低、实时性差的问题提供解决方案。”
    • 巢渊 ，张俊杰 ，谈齐峰 ，张宜珺 ，戴国洪 ，夏志杰 ，张志胜
    • 光学精密工程 2025年33卷第23期 页码：3765-3783

    • DOI： 10.37188/OPE.20253323.3765     

      中图分类号：
    • CSTR： 32169.14.OPE.20253323.3765     

    • 修回：2025-09-08 ，

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 18 ) 表( 3 )

  • 参考文献

  • 出版信息

  • 数据统计

497

浏览量

1712

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于深度学习单帧干涉解耦的平行平板光学均匀性高精度测量
空域与频域融合的多尺度浑浊水图像增强
激光原位辅助切削刀具设计及其应用验证
基于通道注意力增强网络的高效消色差超透镜逆向设计
基于光流法的宽波段视频后半帧实时预测

相关作者

周顺业
汤亮
崔晗
邱丽荣
赵维谦
张浩
张庆文
刘飞

相关机构

北京理工大学 光电学院
青岛理工大学 信息管理学院
西安电子科技大学 物理与光电工程学院
先进光学石英材料技术湖北省重点实验室（湖北菲利华石英玻璃股份有限公司）
特种光学玻璃材料技术创新中心