基于多源异构数据的数控铣削表面粗糙度预测方法

作者：李聪波; 龙云; 崔佳斌; 赵希坤; 赵德

来源：中国机械工程, 2021, 1-11.

• 表面粗糙度预测
• 数控铣削
• 多源异构数据
• 卷积神经网络

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，提出一种基于多源异构数据的数控铣削表面粗糙度预测方法。首先，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；然后，采用粒子群优化算法（Particle swarm optimization， PSO）优化卷积神经网络（Convolutional neural network， 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，建立变工艺条件下的表面粗糙度预测模型；最后，通过不同模型的预测性能对比试验，验证了基于多源异构数据的数控铣削表面粗糙度预测方法的优越性，并以加工两个工件为例，验证了该方法的有效性。

• 单位
  重庆大学; 机械传动国家重点实验室