关键词：深度学习 工业大数据 智能制造 异常检测 刀具磨损 

摘要：如何将大数据等核心技术与智能制造结合,进一步提高产能与质量,并且降低成本,是新一代制造业革新的关键任务。通过一个具体应用案例,即针对工业中常见的机床刀具消耗冗余的问题,提出了基于大数据和人工智能的方法,以准确预测机床刀具的崩刃,从而增加了机床的生产效率,降低了生产成本。相对于以往使用数据统计和传统机器学习进行刀具磨损预测的方法,新方法通过高速电流采集器获取主轴电流值,结合了卷积神经网络的强拟合性和异常检测算法的强泛化能力,对大数据量的电流值进行预测分析,实现了更快的网络收敛及更高的预测准确率和顽健性。

大数据杂志要求:

{1}文稿摘要是以提供文献内容梗概为目的，不加评论和补充解释，简明、准确地记述文献重要内容的短文。

{2}请遵守学术规范和学术道德。引文注明出处，正文注释采用脚注，参考文献采用尾注。请勿抄袭、剽窃、一稿多投。文责自负。

{3}稿件要求：稿件应论点明确、数据可靠、逻辑严密、文字精练、可读性强。

{4}稿件中所用名词术语、人名、地名等的中、外文和汉语拼音均应按国家有关标准和规定使用。计量单位须以《中华人民共和国法定计量单位》为准，计量单位应使用字母符号而非中文符号。

{5}作者限于主要参与论文的写作、实验操作、数据采集和处理，并能对文稿内容负责、解答有关问题的责任者。作者的排列顺序由供稿者确定。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社