时间：2026-05-30 浏览：
我院会计学专业教师陈晓琴博士为第一作者的论文《Tool Wear Condition Monitoring Based on Improved Symmetrized Dot Pattern Enhanced Resnet18 Under Small Samples》在SCI三区期刊《Lubricants》上于2025年Volume 13, Issue 11发表。
文章介绍：
在实际机加工生产管理中，刀具状态监测直接影响加工质量与生产成本，但工业场景中获取带标签样本的成本高昂，小样本条件下传统深度学习方法难以获得理想监测精度。本研究从管理工程与数据分析融合角度提出创新方案：首先，针对小样本数据特征表达能力不足的问题，采用对称点模式将一维切削力信号转换为二维SDP叶片图，通过构建最小化互相关系数的优化模型，自动确定SDP最优参数组合，避免参数设置的主观性影响。其次，将优化后的SDP图像输入ResNet18网络进行小样本学习。在刀具磨损监测系列实验中，该方法相比基于STFT和GAF的方法，分类准确率提升超过10%；在同等小样本条件下，ResNet18较VGG16模型准确率高出约3%。研究为智能制造环境下数据稀缺时的设备状态监测提供了可量化的管理决策支持，有效平衡了监测精度与数据采集成本之间的矛盾。
期刊简介：
《Lubricants》创刊于2013年，致力于促进润滑与磨损监测技术在生产管理等工程领域的学术交流与产业应用。该刊已被SCIE、Scopus等权威数据库收录，影响因子为3.1。
原文网址：
https://www.mdpi.com/2075-4442/13/11/503
