采用深度学习的铣刀磨损状态预测模型

戴稳1;张超勇1;孟磊磊1;薛燕社1;肖鹏飞1;尹勇2

中国机械工程 ›› 2020, Vol. 31 ›› Issue (17) : 2071-2078.

PDF(3586 KB)
PDF(3586 KB)
中国机械工程 ›› 2020, Vol. 31 ›› Issue (17) : 2071-2078. DOI: 10.3969/j.issn.1004-132X.2020.17.009
机械基础工程

采用深度学习的铣刀磨损状态预测模型

    {{javascript:window.custom_author_cn_index=0;}}
  • {{article.zuoZhe_CN}}
作者信息 +

Prediction Model of Milling Cutter Wear Status Based on Deep Learning

    {{javascript:window.custom_author_en_index=0;}}
  • {{article.zuoZhe_EN}}
Author information +
文章历史 +

本文亮点

{{article.keyPoints_cn}}

HeighLight

{{article.keyPoints_en}}

摘要

{{article.zhaiyao_cn}}

Abstract

{{article.zhaiyao_en}}

关键词

Key words

本文二维码

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用
{{article.zuoZheCn_L}}. {{article.title_cn}}[J]. {{journal.qiKanMingCheng_CN}}, 2020, 31(17): 2071-2078 https://doi.org/10.3969/j.issn.1004-132X.2020.17.009
{{article.zuoZheEn_L}}. {{article.title_en}}[J]. {{journal.qiKanMingCheng_EN}}, 2020, 31(17): 2071-2078 https://doi.org/10.3969/j.issn.1004-132X.2020.17.009
中图分类号：

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

参考文献

{{article.reference}}

基金

版权

{{article.copyrightStatement_cn}}
{{article.copyrightLicense_cn}}
PDF(3586 KB)

Accesses

Citation

Detail
段落导航
相关文章

版权所有：中国机械工程学会版权所有,未经同意请勿转载
技术支持：北京玛格泰克科技发展有限公司

/

〈 〉