基于敏感因素选择与残差网络的表面粗糙度预测
发布时间：2025-02-15
点击次数：
- 发表刊物：
- 计算机集成制造系统
- 关键字：
- 残差网络；小波包分解；相关性分析；敏感频段；表面粗糙度；预测
- 摘要：
- 为了实现对切削加工件的表面粗糙度预测，避免原材料浪费，提出一种基于敏感因素选择与残差网络(Residual Network, ResNet)的表面粗糙度预测方法。该方法首先分析切削系统中不同采样通道的振动信号与表面粗糙度之间的相关性确定敏感信号，然后利用小波包分解(Wavelet Packet Decomposition, WPD)将敏感信号分解为不同频段的小波包系数并经过相关性分析选择敏感频段，最后融合各敏感频段的小波包系数构成系数矩阵作为 ResNet的输入参数。结果表明基于敏感因素选择与 ResNet 的预测方法的相对百分比误差不超过5.8％，均方根误差为 0.0159，平均绝对误差为 0.0133，决定系数为 0.9148。通过与多层前 馈网络(Back Propagation neural network, BP)、支持向量机Support Vector Machine, SVM)、卷积网络(Convolutional Neural Network, CNN)对比，基于敏感因素选择与 ResNet 的表面粗糙度预测方法的预测精度有所提高。
- 合写作者：
- 豆卫涛
- 第一作者：
- 王海涛,邵献忠
- 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：
- 2022-01-01
- 收录刊物：
- EI