摘要
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.
基金项目
江苏省高校实验室研究会立项资助研究课题(GS2019YB18)
江苏省精密与微细制造技术重点实验室开放基金(JSKF201919)
中央高校基本科研业务费专项(2018B44614)
NETL
NSTL
维普
万方数据