首页|基于LSTM算法的表面粗糙度监测系统

基于LSTM算法的表面粗糙度监测系统

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
加工过程中为避免因机床异常振动造成的零件表面粗糙度突变,提出一种基于LSTM算法的表面粗糙度监控模型,通过对主轴与台面安装传感器,实现机床振动量的实时采集并作为时序变量输入模型.在M-V5CN组合机床铣削U71Mn高锰钢样本集上证明该模型可有效训练,且RMSprop优化器相对于Adam与SGD算法优化器可更有效降低模型泛化性误差.最终在嵌入式开发板中预测最大绝对误差低至0.01μm,平均误差为0.005μm可在加工中对表面粗糙度进行有效监控.
Surface Roughness Monitoring System Based on LSTM Algorithm

庄曙东、史柏迪、陈威、陈天翔

展开 >

河海大学机电工程学院,江苏 常州213022

南京航空航天大学江苏省精密仪器重点实验室,江苏 南京213009

表面粗糙度 刀具振动 长短期记忆神经网络 U71Mn高锰钢 嵌入式开发

江苏省高校实验室研究会立项资助研究课题江苏省精密与微细制造技术重点实验室开放基金中央高校基本科研业务费专项

GS2019YB18JSKF2019192018B44614

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.386(4)
  • 3