铣削表面粗糙度在线智能预测方法研究

• 作者: 刘国凯 唐向红 易向华 耿晓强 陆见光
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 加速度信号 数据挖掘 PO-GRNN神经网络 粗糙度在线预测
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 设计与研究
• 页码范围: 68-72
• 页数: 5页
• 分类号: TH161|TG506
• 字数: 4676字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2017.08.017

摘要

为了提高表面粗糙度在线预测模型的精度,研究并提出了一种融合传感器统计学数据的表面粗糙度在线智能预测方法.该方法对加速度的统计学特征进行PCA主成分提取,保留了85%的数据信息.通过改进的PO-GRNN广义神经网络对训练集数据进行分配,确定光滑因子σ的近似最优值.随后结合铣削加工参数集与PCA主成分,通过PO-GRNN构建了一套在线粗糙度预测模型.纵向与横向对比实验结果表明:该模型可提供较高的粗糙度在线预测精度,能适用于当前智能制造过程中粗糙度的在线预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐向红	贵州大学现代制造技术教育部重点实验室	32	93	5.0	7.0
10	陆见光	贵州大学现代制造技术教育部重点实验室	14	22	3.0	4.0
19	易向华	贵州大学现代制造技术教育部重点实验室	4	10	2.0	3.0
20	刘国凯	贵州大学现代制造技术教育部重点实验室	6	20	3.0	4.0