科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于声发射和振动信号提出了一种模糊神经网络和主成分分析的表面粗糙度预测方法，以提高磨削过程中工件表面粗糙度识别的准确性。首先，采集磨削程中声发射与振动信号，提取相关时域特征、频域特征和小波包特征参数，利用主成分分析对特征量进行降维优化；然后，构建表面粗糙度模糊神经网络预测模型，将信号特征量与表面粗糙度作为模糊神经网络的输入和输出；最后，对模型进行训练，并对表面粗糙度预测精度进行验证。实验结果表明：通过主成分分析(PCA)方法对声发射和振动信号特征量进行降维得到5个主成分，以此建立的模糊神经网络表面粗糙度预测模型的效果精度可达到91%以上，与局部线性嵌入和多维标度法降维方法相比，PCA方法降维后的特征所含信息更优，预测准确度更高。
- 单位
