考虑动态因素影响的机器人磨削表面粗糙度预测

1

作者 郭万金 郝钦磊 +3 位作者 徐明坤 曹雏清 赵立军 王力 《仪器仪表学报》 北大核心 2025年第3期110-122,共13页

机器人磨削过程受到动态因素与静态因素的综合影响,具有复杂耦合、高度时变非线性等动态特性。为解决动态因素特征选择困难与仅考虑静态因素致使表面粗糙度预测精度低的问题,结合深度学习技术,提出一种考虑动态因素影响的机器人磨削表... 机器人磨削过程受到动态因素与静态因素的综合影响,具有复杂耦合、高度时变非线性等动态特性。为解决动态因素特征选择困难与仅考虑静态因素致使表面粗糙度预测精度低的问题,结合深度学习技术,提出一种考虑动态因素影响的机器人磨削表面粗糙度预测方法。首先,利用卷积神经网络自动提取磨削过程中动态因素的空间特征,捕捉机器人磨削的复杂动态行为;通过双向长短期记忆网络从获得的空间特征中提取时序特征,表征机器人磨削的动态变化;引入注意力机制实现空间特征、时序特征和静态因素的自动权重分配;利用改进的鲸鱼优化算法自适应优化双向长短期记忆网络的超参数,提高收敛速度和适应机器人磨削动态变化。其次,根据所提预测方法,构建一种考虑动态因素影响的IWOA-CNN-BiLSTM-Attention表面粗糙度预测模型。再次,开展机器人磨削加工实验,将提取的动态因素空间特征和时序特征、采集的静态因素和表面粗糙度测量值归一化处理,构建实验数据集。最后,将实验数据集输入预测模型进行模型训练,实现同时考虑动态因素和静态因素的机器人磨削表面粗糙度预测;并通过对比实验验证所提预测方法的有效性,其对应预测模型的平均绝对百分比误差、均方根误差和决定系数分别为0.0276、0.0295和0.9988,与对比预测模型相比,预测精度分别提高17.14%、13.65%和21.35%。 展开更多

关键词 机器人磨削 表面粗糙度预测 动态因素 静态因素 深度学习

在线阅读 下载PDF 职称材料

45钢高速铣削表面粗糙度预测 被引量：17

2

作者 段春争 郝清龙 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2015年第9期1229-1233,共5页

为了提高高速铣削加工表面粗糙度预测的精确性以及模型的通用性,提出了一种基于粒子群最小二乘支持向量机(PSO-LSSVM)算法的高速铣削加工表面粗糙度预测方法。以工件硬度以及铣削参数为影响因素,采用回归分析方法、最小二乘支持向量机(L... 为了提高高速铣削加工表面粗糙度预测的精确性以及模型的通用性,提出了一种基于粒子群最小二乘支持向量机(PSO-LSSVM)算法的高速铣削加工表面粗糙度预测方法。以工件硬度以及铣削参数为影响因素,采用回归分析方法、最小二乘支持向量机(LSSVM)以及PSO-LSSVM方法,分别建立了45钢高速铣削加工表面粗糙度预测模型,并对模型的预测精度进行了试验验证和对比分析。结果表明:相同样本条件下,回归分析方法的预测误差较大,PSO-LSSVM预测模型平均预测误差仅为LSSVM方法平均预测误差的50%。PSO-LSSVM预测模型具有较高的预测精度和泛化能力,能够准确地预测高速铣削不同硬度的工件表面粗糙度,同时为铣削参数的选择和表面质量的控制提供了依据。 展开更多

关键词 表面粗糙度预测 高速铣削 最小二乘支持向量机 粒子群算法 回归分析 预测精度 45钢

在线阅读 下载PDF 职称材料

基于改进BP神经网络的螺杆转子铣削表面粗糙度预测 被引量：5

3

作者 杨赫然 孙兴伟 +2 位作者 戚朋 董祉序 刘寅 《电子测量与仪器学报》 CSCD 北大核心 2022年第10期189-196,共8页

以提高螺杆转子等具有螺旋曲面零件铣削表面质量为目的。根据螺杆转子加工特点,针对主轴转速、进给倍率和间歇进给量进行单因素轮换铣削加工实验。采用改进粒子群算法确定BP神经网络初始权值和阈值的最优值,采用训练后的改进BP神经网络... 以提高螺杆转子等具有螺旋曲面零件铣削表面质量为目的。根据螺杆转子加工特点,针对主轴转速、进给倍率和间歇进给量进行单因素轮换铣削加工实验。采用改进粒子群算法确定BP神经网络初始权值和阈值的最优值,采用训练后的改进BP神经网络算法对铣削后的螺杆转子表面粗糙度进行预测,并与传统BP神经网络进行对比。结果表明,传统BP神经网络对表面粗糙度的训练精度最低,改进算法中粒子群迭代2000次的平均相对误差最小,为1.21%。利用模型进行工艺参数对表面粗糙度影响规律的预测,可以看出,其他工艺参数不变的前提下,随着主轴转速的升高,表面粗糙度呈现降低趋势;随间歇进给量的增大,表面粗糙度先降低后升高;表面粗糙度随进给倍率的增加,呈现先降低后升高的趋势。结论:改进神经网络算法可以准确预测铣削后的螺杆转子表面粗糙度,为螺杆转子铣削加工中的工艺参数选择提供理论指导。 展开更多

关键词 铣削 螺旋曲面 神经网络 表面粗糙度预测 工艺参数

在线阅读 下载PDF 职称材料

切削加工表面粗糙度预测方法 被引量：7

4

作者 段春争 郝清龙 《组合机床与自动化加工技术》 北大核心 2013年第8期4-7,共4页

表面粗糙度是进行零件设计的重要技术要求之一,也是衡量工件加工质量的重要指标,因此,在实际加工前,对表面粗糙度进行预测和加工参数优化具有重要的意义。文章根据近年来国内外的研究进展情况,总结和讨论了切削加工过程中表面粗糙度的... 表面粗糙度是进行零件设计的重要技术要求之一,也是衡量工件加工质量的重要指标,因此,在实际加工前,对表面粗糙度进行预测和加工参数优化具有重要的意义。文章根据近年来国内外的研究进展情况,总结和讨论了切削加工过程中表面粗糙度的预测方法:理论方法、设计实验方法和人工智能方法,并探讨了该研究领域今后的发展方向。 展开更多

关键词 表面粗糙度预测 理论建模方法 设计实验方法 人工智能方法

在线阅读 下载PDF 职称材料

基于振动传感器的车削加工表面粗糙度预测 被引量：4

5

作者 林岗 毛伟 +1 位作者 马莉 徐向明 《组合机床与自动化加工技术》 2007年第9期51-53,56,共4页

文章通过深入研究车床精车外圆时刀具和工件存在相对振动的情况下,加工工件表面轮廓的形成机理,探索出一种建立表面粗糙度值预测模型的新方法。并结合传感器技术,搭建一个能用于测量振动信号的实验平台,通过比较表面粗糙度的预测值和实... 文章通过深入研究车床精车外圆时刀具和工件存在相对振动的情况下,加工工件表面轮廓的形成机理,探索出一种建立表面粗糙度值预测模型的新方法。并结合传感器技术,搭建一个能用于测量振动信号的实验平台,通过比较表面粗糙度的预测值和实测值,证明预测模型有一定的准确度。 展开更多

关键词 轮廓分析 表面粗糙度预测 振动传感器

在线阅读 下载PDF 职称材料

基于多源异构数据的数控铣削表面粗糙度预测方法 被引量：11

6

作者 李聪波 龙云 +2 位作者 崔佳斌 赵希坤 赵德 《中国机械工程》 EI CAS CSCD 北大核心 2022年第3期318-328,共11页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于RSM的SiC单晶片表面粗糙度预测及参数优化 被引量：2

7

作者 万波 李淑娟 《机械科学与技术》 CSCD 北大核心 2013年第4期551-557,共7页

通过响应面分析法(RSM)对超声振动辅助金刚石线锯切割SiC单晶体的工艺参数进行分析和优化。采用中心组合设计实验,考察线锯速度、工件进给速度、工件转速和超声波振幅这4个因素对SiC单晶片表面粗糙度值的影响,建立了SiC单晶片表面粗糙... 通过响应面分析法(RSM)对超声振动辅助金刚石线锯切割SiC单晶体的工艺参数进行分析和优化。采用中心组合设计实验,考察线锯速度、工件进给速度、工件转速和超声波振幅这4个因素对SiC单晶片表面粗糙度值的影响,建立了SiC单晶片表面粗糙度的响应模型,进行响应面分析,采用满意度函数(DFM)确定了切割SiC单晶体的最佳工艺参数,验证试验表明该模型能实现相应的硬脆材料切割过程的表面粗糙度预测。 展开更多

关键词 响应曲面法(RSM) SiC单晶片 表面粗糙度预测 参数优化

在线阅读 下载PDF 职称材料

基于MEA-BP神经网络的超声挤压加工表面粗糙度预测 被引量：4

8

作者 陈爽 张志 +2 位作者 肖锦初 胡家进 赵录冬 《河南理工大学学报（自然科学版）》 CAS 北大核心 2021年第5期104-109,共6页

为了有效预测超声挤压加工工件的表面粗糙度,建立以转速,进给速度,振幅,挤压力,挤压次数为输入参数,表面粗糙度为输出结果的预测模型。该模型利用思维进化算法(mind evolutionary algorithm,MEA)的全局搜索能力对BP神经网络的权值和阈... 为了有效预测超声挤压加工工件的表面粗糙度,建立以转速,进给速度,振幅,挤压力,挤压次数为输入参数,表面粗糙度为输出结果的预测模型。该模型利用思维进化算法(mind evolutionary algorithm,MEA)的全局搜索能力对BP神经网络的权值和阈值进行优化。为了验证该模型的有效性,对45号钢进行超声挤压加工后,使用BP神经网络进行预测,通过引入思维进化算法(MEA)和遗传算法(GA)优化BP神经网络的权值和阈值,并对3种模型的预测精度进行对比分析。结果表明:在相同的实验条件下,MEA-BP模型的预测结果最精准,与BP神经网络相比,该模型精度高,运行速度快。 展开更多

关键词 超声挤压加工 表面粗糙度预测 思维进化算法 BP神经网络 预测精度

在线阅读 下载PDF 职称材料

基于1DCNN-LSTM神经网络的Ti-48Al-2Cr-2Nb微铣削表面粗糙度预测 被引量：3

9

作者 王志勇 马轩 杜金金 《制造技术与机床》 北大核心 2022年第5期128-133,共6页

表面粗糙度是衡量微细加工零件表面质量的主要指标,为提高微铣削加工表面粗糙度预测的精准性,提出一种一维卷积-长短期记忆(1DCNN-LSTM)的深度神经网络预测模型。利用一维卷积网络高效的数据处理机制和长短期记忆网络精准的预测能力,有... 表面粗糙度是衡量微细加工零件表面质量的主要指标,为提高微铣削加工表面粗糙度预测的精准性,提出一种一维卷积-长短期记忆(1DCNN-LSTM)的深度神经网络预测模型。利用一维卷积网络高效的数据处理机制和长短期记忆网络精准的预测能力,有效解决了批量序列数据处理、样本关键特征学习以及小样本数据的表面粗糙度预测精确问题。以主轴转速、进给速度、铣削深度和微铣刀螺旋角作为控制变量,用实验数据对微铣削表面粗糙度预测模型进行训练并对该模型验证。结果表明:相比于传统机器学习模型,1DCNN-LSTM神经网络平均预测误差仅为5.9%,验证了该模型基于小样本数据的高精度预测性能,为微铣削表面粗糙度的预测研究提供了一种新的方法。 展开更多

关键词 长短期记忆神经网络 表面粗糙度预测 微铣削 Γ-TIAL基合金

在线阅读 下载PDF 职称材料

基于GA-WPT-ELM的6061铝合金表面粗糙度预测 被引量：12

10

作者 谭芳芳 朱俊江 +2 位作者 严天宏 高志强 何岭松 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第1期40-47,共8页

为了提高工件表面粗糙度预测的准确性,针对振动信号特征识别和表面粗糙度预测建模时多个参数难以同步优化和人工经验调优误差较大的问题,提出基于遗传算法(GA)的信号特征识别和表面粗糙度预测的优化算法.对采集的6061铝合金铣削振动信... 为了提高工件表面粗糙度预测的准确性,针对振动信号特征识别和表面粗糙度预测建模时多个参数难以同步优化和人工经验调优误差较大的问题,提出基于遗传算法(GA)的信号特征识别和表面粗糙度预测的优化算法.对采集的6061铝合金铣削振动信号进行小波包变换(WPT)和多个特征提取,利用GA优化WPT母小波和特征向量;将信号特征向量和表面粗糙度分别作为极限学习机(ELM)的输入和输出,对预测模型训练的同时,利用GA优化ELM隐含层的神经元个数;对训练好的预测模型进行测试.实验结果表明,通过GA对振动信号识别和表面粗糙度预测的3类参数同步优化,获得了最佳的信号特征和较高的表面粗糙度预测精度,节省了建模分析计算成本. 展开更多

关键词 在线振动信号 遗传算法(GA) 小波包变换 极限学习机(ELM) 表面粗糙度预测

在线阅读 下载PDF 职称材料

高速磨削表面粗糙度预测模型研究 被引量：15

11

作者 田雪豪 郑鹏 张琳娜 《机械设计与制造》 北大核心 2019年第10期193-196,共4页

磨削表面质量的优劣直接影响零件的性能与使用寿命,其主要由表面粗糙度表征。运用最小二乘支持向量机预测理论与参数优化算法建立了高速磨削表面粗糙度预测模型,搭建了磨削闭环系统。通过实验分析得出,对试样内工艺参数组合下表面粗糙... 磨削表面质量的优劣直接影响零件的性能与使用寿命,其主要由表面粗糙度表征。运用最小二乘支持向量机预测理论与参数优化算法建立了高速磨削表面粗糙度预测模型,搭建了磨削闭环系统。通过实验分析得出,对试样内工艺参数组合下表面粗糙度进行预测时,平均相对误差为MRE=0.0095,均方根误差为MSE=0.0050;对试样外工艺参数组合下表面粗糙度进行预测时,平均相对误差为MRE=0.0119,均方根误差为MSE=0.0054。高速磨削表面粗糙度预测引导了磨削参数的设定,形成了磨削过程的闭环反馈控制,提高了高速磨削加工的自动化水平,磨削精度、效率,同时降低了磨削的废品率。 展开更多

关键词 高速磨削 表面粗糙度预测 最小二乘支持向量机 交叉验证 粒子群优化

在线阅读 下载PDF 职称材料

基于QGA-SVR的工件表面粗糙度预测和分析 被引量：2

12

作者 陆德光 张太华 徐卫平 《机床与液压》 北大核心 2020年第15期103-108,共6页

在自动化生产中建立难加工材料的表面质量预测模型,是实现可持续制造的基础。提出一种结合量子遗传算法和支持向量回归(Quantum genetic algorithm-Support vector regression,QGA-SVR)的已加工表面粗糙度预测模型,改进了现有寻优方法... 在自动化生产中建立难加工材料的表面质量预测模型,是实现可持续制造的基础。提出一种结合量子遗传算法和支持向量回归(Quantum genetic algorithm-Support vector regression,QGA-SVR)的已加工表面粗糙度预测模型,改进了现有寻优方法在搜索支持向量回归的模型参数易陷入局部最优解的问题。在量子门更新的过程中加入交叉和变异的操作,保证了模型全局搜索能力,为了提高支持向量回归的泛化能力,在参数优化过程结合了K-折叠交叉验证。结合干车削304不锈钢的切削试验以及现有的铣削实验数据,对比分析了基于量子遗传算法和遗传算法的支持向量回归模型。结果表明:QGA-SVR具有收敛速度快、预测精度高的优点,基于建立的QGA-SVR模型分析了切削参数对车削表面粗糙度的影响规律。 展开更多

关键词 表面粗糙度预测 量子遗传算法 支持向量回归 影响规律

在线阅读 下载PDF 职称材料

基于正交铣削试验的7A65-T7451铝合金表面粗糙度预测模型 被引量：10

13

作者 武洵德 王文理 《制造技术与机床》 北大核心 2021年第11期89-95,共7页

采用正交试验方法对新型铝合金7A65-T7451进行铣削试验,获得了大量该铝合金的表面粗糙度工艺参数。对试验数据进行了极差和均值分析,确定了各参数对表面粗糙度的影响顺序和影响趋势。基于多元线性回归分析,建立了表面粗糙度的预测模型,... 采用正交试验方法对新型铝合金7A65-T7451进行铣削试验,获得了大量该铝合金的表面粗糙度工艺参数。对试验数据进行了极差和均值分析,确定了各参数对表面粗糙度的影响顺序和影响趋势。基于多元线性回归分析,建立了表面粗糙度的预测模型,并对模型进行了误差检验。该预测模型为7A65-T7451铝合金铣削参数的合理选择提供了依据,对未来7A65铝合金应用于航空结构件时降低表面粗糙度及提高疲劳寿命有一定意义。 展开更多

关键词 7A65-T7451铝合金 正交试验 极差分析 多元线性回归 表面粗糙度预测

在线阅读 下载PDF 职称材料

SiC单晶加工参数优化及表面粗糙度预测

14

作者 李伦 杨少东 +1 位作者 李济顺 陈稳 《机械设计与制造》 北大核心 2020年第9期149-152,157,共5页

因独特的共价键晶体结构,SiC单晶具有较高的硬度和脆性,是典型的难加工材料。以横向超声激励线锯的方法对SiC单晶进行切割,采用正交实验设计,并引入灰色关联分析法研究切割过程中锯切力、晶片表面粗糙度等多目标与主要加工参数之间的影... 因独特的共价键晶体结构,SiC单晶具有较高的硬度和脆性,是典型的难加工材料。以横向超声激励线锯的方法对SiC单晶进行切割,采用正交实验设计,并引入灰色关联分析法研究切割过程中锯切力、晶片表面粗糙度等多目标与主要加工参数之间的影响关系,以及获得线锯加工最优参数组合,即工件进给速度0.025mm/min、超声振幅1.8μm、线锯速度1.6m/s、工件转速16r/min为最优加工参数组合,并通过实验进行验证。采用果蝇优化算法优化灰色神经网络模型(FOA-GMNN)对SiC单晶片的表面粗糙度Ra进行预测,结果表明:FOA-GMNN模型收敛速度快,鲁棒性好,预测精度高,预测值与实验值的平均相对误差为2.09%。 展开更多

关键词 线锯切割SiC 横向超声激励 灰色关联分析 参数优化 果蝇优化算法 表面粗糙度预测

在线阅读 下载PDF 职称材料

基于PSO-LSSVM算法的表面粗糙度预测模型与应用 被引量：3

15

作者 杨钊 路超凡 刘安黎 《机床与液压》 北大核心 2021年第6期47-50,59,共5页

为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型。以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化B... 为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型。以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化BP神经网络模型的优劣。结果表明:PSO-LSSVM模型具有较高的预测精度和较快的收敛速度。基于MATLAB GUI搭建了表面粗糙度预测与参数优化应用系统。该系统具有较好的实用性,可实现简单、快速预测表面粗糙度,帮助决策人员灵活选取切削参数。 展开更多

关键词 表面粗糙度预测 最小二乘支持向量机 粒子群优化 应用系统

在线阅读 下载PDF 职称材料

结合CSSA-BP神经网络的砂带磨抛表面粗糙度预测研究

16

作者 潘江涛 李波 +1 位作者 聂奥 柳光金 《机床与液压》 北大核心 2023年第22期80-86,共7页

镍基合金在航空涡轮机、压气机的叶片制造中广泛应用,提升其加工效率与质量是行业热点。为实现航发叶片恒力磨抛的表面粗糙度准确预测,提出一种基于改进麻雀搜索算法(CSSA)优化BP神经网络的预测模型,开展机器人砂带磨抛工艺参数预测研... 镍基合金在航空涡轮机、压气机的叶片制造中广泛应用,提升其加工效率与质量是行业热点。为实现航发叶片恒力磨抛的表面粗糙度准确预测,提出一种基于改进麻雀搜索算法(CSSA)优化BP神经网络的预测模型,开展机器人砂带磨抛工艺参数预测研究。选取4个主要影响因素为变量进行正交试验和极差分析;利用BP神经网络建立表面粗糙度预测模型,引入Tent混沌映射和种群多样性变异,进行麻雀搜索算法的改进,再通过CSSA对预测模型进行优化。结果表明:优化后的粗糙度预测误差降低了85.9%,相比优化前提升明显,可准确预测所输入工艺参数对应的粗糙度值。 展开更多

关键词 机器人磨抛 正交试验 CSSA-BP神经网络 表面粗糙度预测

在线阅读 下载PDF 职称材料

基于相关性分析的工程陶瓷磨削表面粗糙度声发射智能预测

17

作者 唐靖 郭力 +1 位作者 涂承刚 伍定 《制造技术与机床》 北大核心 2025年第7期199-206,共8页

工程陶瓷因其优异的性能在工业中应用广泛,鉴于工程陶瓷在工业应用中对磨削加工精度的高要求,通过分析工程陶瓷磨削声发射(acoustic emission,AE)信号特征值,利用Copula函数相关性分析精准确定磨削声发射信号的最佳频段和特征值,进而基... 工程陶瓷因其优异的性能在工业中应用广泛,鉴于工程陶瓷在工业应用中对磨削加工精度的高要求,通过分析工程陶瓷磨削声发射(acoustic emission,AE)信号特征值,利用Copula函数相关性分析精准确定磨削声发射信号的最佳频段和特征值,进而基于鲸鱼优化算法(whale optimization algorithm,WOA)优化的随机森林(random forest,RF)神经网络,构建智能预测模型,以实现对工程陶瓷(涵盖氧化铝陶瓷和氧化锆陶瓷)磨削表面粗糙度的精准预测。分析结果表明,部分稳定氧化锆陶瓷最大预测误差仅为8.32%,氧化铝陶瓷最大预测误差仅为7.71%。为工程陶瓷磨削加工质量的实时智能监测提供可靠参考和技术支持。 展开更多

关键词 工程陶瓷 磨削 表面粗糙度预测 声发射 Copula函数相关性分析 鲸鱼优化算法 随机森林神经网络

在线阅读 下载PDF 职称材料

医用氧化锆陶瓷磨削表面粗糙度的声发射智能预测 被引量：1

18

作者 李波 郭力 《南京航空航天大学学报》 CAS CSCD 北大核心 2024年第3期571-576,共6页

医用氧化锆陶瓷(Y-TZP)是较好的齿科修复体材料,为了得到较好的齿科修复体性能对于其制造精度特别是表面粗糙度的要求比较高,但其是硬脆难加工材料,为了提高医用氧化锆陶瓷磨削加工表面质量和加工效率,在对医用氧化锆陶瓷磨削过程中的... 医用氧化锆陶瓷(Y-TZP)是较好的齿科修复体材料,为了得到较好的齿科修复体性能对于其制造精度特别是表面粗糙度的要求比较高,但其是硬脆难加工材料,为了提高医用氧化锆陶瓷磨削加工表面质量和加工效率,在对医用氧化锆陶瓷磨削过程中的声发射信号分频段进行相关性分析的基础上,提取磨削声发射840~850kHz敏感频段信号中与磨削表面粗糙度强相关的12组特征值,构建了具有较高预测精度的随机森林神经网络,最终医用氧化锆陶瓷磨削表面粗糙度声发射预测最大相对误差低于8.37%,研究结果对医用氧化锆陶瓷磨削表面粗糙度在线智能监测有较大的参考价值。 展开更多

关键词 医用氧化锆陶瓷 磨削声发射 表面粗糙度预测 随机森林神经网络 相关性系数

在线阅读 下载PDF 职称材料

基于模糊基函数网络和自适应最小二乘算法的外圆纵向磨削表面粗糙度的预测 被引量：4

19

作者 王家忠 王龙山 +1 位作者 周桂红 李国发 《中国机械工程》 EI CAS CSCD 北大核心 2006年第12期1223-1227,共5页

建立了外圆纵向磨削表面粗糙度的模糊基函数网络(FBFN)预测模型,网络的训练采用自适应最小二乘算法(ALS)。ALS将最小二乘算法和遗传算法相结合,能够自主学习,不用人为干预,FBFN和粗糙度的分析模型相结合,只需少量实验数据便可完成网络... 建立了外圆纵向磨削表面粗糙度的模糊基函数网络(FBFN)预测模型,网络的训练采用自适应最小二乘算法(ALS)。ALS将最小二乘算法和遗传算法相结合,能够自主学习,不用人为干预,FBFN和粗糙度的分析模型相结合,只需少量实验数据便可完成网络的训练,自动产生模糊规则,确定隐含层的节点数。仿真和实验结果表明,FBFN网络结构非常适合粗糙度的预测和控制,采用ALS学习方法比BP算法、传统的遗传算法和正交二乘法等能产生更好的结果。 展开更多

关键词 模糊基函数网络 自适应最小二乘法 表面粗糙度预测 外圆纵向磨削 遗传算法

在线阅读 下载PDF 职称材料

压铸模型腔曲面铣削表面粗糙度GA-ELM预测 被引量：4

20

作者 孙全龙 梅益 杨幸雨 《机械设计与制造》 北大核心 2020年第8期188-191,196,共5页

应用球头铣刀对压铸模具型腔曲面铣削精加工前,通过预测其表面粗糙度,可以辅助工艺人员合理配置铣削工艺参数组合。依托GA算法强大的全局寻优能力,优化ELM固有缺陷,建立遗传算法-极限学习机(GA-ELM)模型,并应用该模型预测压铸模型腔曲... 应用球头铣刀对压铸模具型腔曲面铣削精加工前,通过预测其表面粗糙度,可以辅助工艺人员合理配置铣削工艺参数组合。依托GA算法强大的全局寻优能力,优化ELM固有缺陷,建立遗传算法-极限学习机(GA-ELM)模型,并应用该模型预测压铸模型腔曲面铣削精加工表面粗糙度。训练本模型需要选定输入参数及输出参数,选定输出参数为表面粗糙度,输入参数选定为与之相关的铣削工艺参数,通过可变轴精加工铣削实验获得训练集和测试集数据样本,并将本模型预测结果与其他模型对比,对比模型选择未优化的ELM模型及GA-BP模型,对比结果验证了本模型的优越性。最后,再次通过可变轴精加工铣削实验验证本模型预测结果的可靠性,并基于MatLab环境开发可视化的表面粗糙度预测系统。结果表明:本模型相比ELM模型及GA-BP模型,在铣削精加工表面粗糙度预测方面,预测精度及效率优势明显。 展开更多

关键词 压铸模 GA-ELM 型腔曲面 表面粗糙度预测系统

在线阅读 下载PDF 职称材料