基于1DCNN-LSTM神经网络的Ti-48Al-2Cr-2Nb微铣削表面粗糙度预测

扫码查看

原文链接

万方数据

中文摘要：表面粗糙度是衡量微细加工零件表面质量的主要指标,为提高微铣削加工表面粗糙度预测的精准性,提出一种一维卷积-长短期记忆(1DCNN-LSTM)的深度神经网络预测模型.利用一维卷积网络高效的数据处理机制和长短期记忆网络精准的预测能力,有效解决了批量序列数据处理、样本关键特征学习以及小样本数据的表面粗糙度预测精确问题.以主轴转速、进给速度、铣削深度和微铣刀螺旋角作为控制变量,用实验数据对微铣削表面粗糙度预测模型进行训练并对该模型验证.结果表明:相比于传统机器学习模型,1DCNN-LSTM神经网络平均预测误差仅为5.9％,验证了该模型基于小样本数据的高精度预测性能,为徽铣削表面粗糙度的预测研究提供了一种新的方法.

作者：

王志勇、马轩、杜金金

展开 >

作者单位：

燕山大学机械工程学院

河北省重型智能制造装备技术创新中心

关键词：

长短期记忆神经网络表面粗糙度预测微铣削 γ-TiAl基合金

出版年：

2024

制造技术与机床

中国机械工程学会北京机床研究所

制造技术与机床

CSTPCD北大核心

影响因子：0.264

ISSN：1005-2402

年,卷(期)：2024.(8)