基于RPM和多任务学习的表面加工质量预测
发布时间：2026-04-01
点击次数：
- 发表刊物：
- 制造业自动化
- 关键字：
- 多任务学习;表面粗糙度;相对位置矩阵;二维离散小波变换;尺寸精度预测;
- 摘要：
- 针对实际制造过程中需要同时在线监测多个表面加工质量评价指标的问题，提出一种基于RPM和MTL-GAMDenseNet-CA网络的表面粗糙度识别及尺寸精度预测方法。首先，通过RPM对多通道振动信号进行二维转换，得到相应的二维RPM图，再利用二维离散小波变换对多通道RPM图进行分解重构；其次，将GAM注意力机制引入到DenseNet模型中，构成新的GAMDenseNet网络作为模型的编码器，再将CA注意力机制融入到解码器结构中，利用硬参数共享网络架构构建MTL-GAMDenseNet-CA多任务学习网络模型；并通过梯度归一化算法（GradNorm）自适应调整表面粗糙度识别和尺寸精度预测两个任务损失函数的权重比例，对模型进行优化；最后通过对比实验及消融实验，对所提方法进行验证。实验结果表明：在表面粗糙度识别任务中，该方法的准确率达到了99.88%；在尺寸精度预测任务中的平均绝对误差（MAE）和均方根误差（RMSE）分别达到了0.0177和0.0221。这表明所提方法能够有效实现表面加工质量多评价指标的在线监测。
- 合写作者：
- 杨洁,豆卫涛
- 第一作者：
- 史丽晨
- 论文类型：
- 期刊论文
- 通讯作者：
- 田贺元
- 学科门类：
- 工学
- 文献类型：
- J
- 卷号：
- 47
- 期号：
- 10
- 页面范围：
- 29-42
- ISSN号：
- 1009-0134
- 是否译文：
- 否
- CN号：
- 11-4389/TP
- 发表时间：
- 2025-01-01