典型文献
基于多源异构数据的数控铣削表面粗糙度预测方法
文献摘要：
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.
文献关键词：
表面粗糙度预测;数控铣削;多源异构数据;卷积神经网络
中图分类号：
作者姓名：
李聪波;龙云;崔佳斌;赵希坤;赵德
作者机构：
重庆大学机械传动国家重点实验室,重庆,400044
文献出处：
引用格式：
[1]李聪波;龙云;崔佳斌;赵希坤;赵德-.基于多源异构数据的数控铣削表面粗糙度预测方法)[J].中国机械工程,2022(03):318-328
A类：
B类：
多源异构数据,数控铣削,表面粗糙度预测,粗糙度预测模型,模型泛化性,工艺条件,刀具直径,静态数据,振动信号,动态数据,粒子群优化算法,PSO,自适应提取,数据特征,浅层神经网络,网络融合,预测性能,性能对比,工件加工,加工过程
AB值：
0.177598
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
