基于GA-WPT-ELM的6061铝合金表面粗糙度预测

• 作者: 严天宏 何岭松 朱俊江 谭芳芳 高志强
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 在线振动信号 遗传算法(GA) 小波包变换 极限学习机(ELM) 表面粗糙度预测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 机械工程
• 页码范围: 40-47
• 页数: 8页
• 分类号: TP18|TH113
• 字数: 5189字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.01.005

摘要

为了提高工件表面粗糙度预测的准确性,针对振动信号特征识别和表面粗糙度预测建模时多个参数难以同步优化和人工经验调优误差较大的问题,提出基于遗传算法(GA)的信号特征识别和表面粗糙度预测的优化算法.对采集的6061铝合金铣削振动信号进行小波包变换(WPT)和多个特征提取,利用GA优化WPT母小波和特征向量;将信号特征向量和表面粗糙度分别作为极限学习机(ELM)的输入和输出,对预测模型训练的同时,利用GA优化ELM隐含层的神经元个数;对训练好的预测模型进行测试.实验结果表明,通过GA对振动信号识别和表面粗糙度预测的3类参数同步优化,获得了最佳的信号特征和较高的表面粗糙度预测精度,节省了建模分析计算成本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何岭松	华中科技大学机械科学与工程学院	74	877	14.0	27.0
2	严天宏	中国计量大学机电工程学院	21	152	6.0	12.0
3	高志强	华中科技大学机械科学与工程学院	24	201	8.0	13.0
4	朱俊江	中国计量大学机电工程学院	13	27	3.0	4.0
5	谭芳芳	中国计量大学机电工程学院	1	0	0.0	0.0