基于多通道信号融合的GADF与MA-ResNet的车削表面粗糙度预测（英文）
发布时间：2025-02-14
点击次数：
- 发表刊物：
- Journal of Measurement Science and Instrumentation
- 关键字：
- 信号融合；格拉姆角差场；扩张卷积；残差网络；粗糙度预测
- 摘要：
- 为了实现车削加工过程中表面粗糙度的高精度在线预测，提高切削质量，提出了一种基于多通道信号融合的 格拉姆角差场(Gramian angular difference field, GADF)与多尺度注意力残差网络（Multi-scale Attention Residual Networks，MA-ResNet）的车削表面粗糙度预测方法。首先利用小波包分解将多通道振动信号细分到各个频段，并通过对各频段信号与表面粗糙度做相关分析选择出敏感通道进行信号融合；然后将融合后的信号利用格拉姆角差场（GADF）图像编码转换为图片；最后，将图片输入到结合了并行扩张卷积与注意力模块的残差网络模型中进行训练，并验证模型性能的有效性。结果表明所提方法在预测表面粗糙度时均方根误差（RMSE）为 0.0187，绝对误差平均值（MAE）为 0.0143，决定系数（R2）为 0.8694，预测值与实际值接近。因此本文所提方法对于高精度预测具有较好的工程意义，有利于工件加工过程中表面质量的在线监测。
- 第一作者：
- 王海涛,刘腾飞
- 论文类型：
- 期刊论文
- 通讯作者：
- 史丽晨
- 学科门类：
- 工学
- 文献类型：
- J
- 是否译文：
- 否
- 发表时间：
- 2024-01-01