基於遷移式學習之強健性刀具狀態監測系統之研發

即時刀具壽命檢測在當今的工業自動化中越來越重要，並有可能顯著提高生產率和產品品質，避免意外損壞。本研究將深度學習技術應用於銑刀剩餘使用壽命（RUL）之評估。首先，應用短時傅立葉變換（STFT）將三維振動資料轉換為時頻圖像，輸入至傳統卷積神經網路（CNN），作為刀具狀態監測系統的核心。本研究提出了一個新的損失函數，即保守損失函數，以使模型預測符合工業應用。將提出的損失函數的性能與傳統的損失函數MSE進行了比較，可以看出這個新的損失函數可以説明工具狀態監測系統保持其準確性，並使模型傾向於低估RUL，避免工業應用問題。