基于多源异构数据的数控铣削表面粗糙度预测方法

摘要：

针对传统数控铣削表面粗糙度预测模型泛化性差、精度较低等问题,提出了一种基于多源异构数据的数控铣削表面粗糙度预测方法.获取变工艺条件下数控铣削的工艺参数、刀具直径及工件材料等静态数据和振动信号、力信号及功率信号等动态数据;采用粒子群优化算法(PSO)优化卷积神经网络(CNN)的网络结构参数得到PSO-CNN;运用PSO-CNN自适应提取动态数据特征并对静态数据特征进行人工提取,再通过浅层神经网络融合动、静态数据等多源异构数据的特征,建立变工艺下的表面粗糙度预测模型;通过不同模型的预测性能对比试验,验证了该方法的优越性,并以两个工件加工过程为例,验证了该方法的有效性.

关键词：表面粗糙度预测;数控铣削;多源异构数据;卷积神经网络

所属期刊栏目：33

分类号：TH161.1

资助基金：国家重点研发计划;国家自然科学基金;重庆市技术创新与应用示范专项

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：318-328