基于特征排序—神经网络算法的表面粗糙度预测

作     者：朱俊江 濮玉 周柔刚 ZHU Junjiang;PU Yu;ZHOU Rougang

作者机构：浙江大学能源工程学院浙江杭州310058 中国计量大学机电工程学院浙江杭州310018 杭州电子科技大学机械工程学院浙江杭州310018 

基　　金：国家自然科学基金资助项目(61801454) 浙江省自然科学基金资助项目(LQ18F010006) 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2020年第26卷第12期

页      码：3268-3273页

摘      要：为提高智能化生产过程中由铣削过程振动信号预测工件加工后表面粗糙度的精度,提出一种基于特征排序—神经网络的表面粗糙度预测算法。该方法采用“小波包分解+统计量”对振动信号进行特征提取,构建出特征库。然后利用相关性分析,对特征库中的特征进行排序,最后根据排序结果优化设计出特征提取方法和神经网络结构。以不同铣削要素下的6061铝合金加工数据为例,以轮廓算术平均偏差作为表面粗糙度衡量指标,对所提方法进行了验证。结果表明,所提方法在预测表面粗糙度时,预测误差在合理范围内,平均偏差为6.57%,预测值与实际值较为接近。

主 题 词：振动信号 表面粗糙度 铣削 特征排序 神经网络 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 0817[工学-轻工类] 08[工学] 0807[工学-电子信息类] 0802[工学-机械学] 0835[0835] 081101[081101] 0811[工学-水利类] 081102[081102] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13196/j.cims.2020.12.009

馆 藏 号：203101573...