Configuration optimale d’un réseau de neurones adapté à la surveillance en ligne de l’usure des outils de tournage

Abstract

Nous présentons dans cette étude une approche efficace pour la configuration optimale d’un réseau de neurones multicouches avec rétro-propagation du gradient, spécifiquement adaptée à la surveillance en ligne de l’usure des outils de tournage. Il s’agit de déterminer précisément un nombre approprié de neurones dans la couche cachée pour assurer une fiabilité maximale du système, en exploitant des signaux issus de mesure des efforts de coupe et de l’usure en dépouille. A cet effet, nous avons développé un algorithme, basé sur le modèle de rétro-propagation du gradient d’erreurs, et présentant le double avantage d’éviter l’apparition des phénomènes de surapprentissage et de minimums locaux