基于卷积神经网络的平面磨削温度预测

• 作者: 周俊 孙为钊
• 来源期刊: 计算机系统应用
• 关键词: 卷积神经网络 磨削温度 深度学习 人工神经网络 机器学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 研究开发
• 页码范围: 244-249
• 页数: 6页
• 字数: 3503字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007267

摘要

为了减少磨削温度过高给零件带来热损伤等的负面影响, 并提高零件产量、质量, 本文建立了基于卷积神经网络的平面磨削温度预测模型. 首先通过有限元仿真获得温度数据, 并进行预处理, 然后利用Google开源深度学习工具TensorFlow编写卷积神经网络程序, 最后得到预测结果并与仿真值进行比较. 结果表明, 本文提出的基于卷积神经网络的磨削温度预测模型具有很强的学习能力以及非线性拟合能力, 大大提高了磨削温度预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周俊	上海工程技术大学机械与汽车工程学院	29	70	5.0	7.0
2	孙为钊	上海工程技术大学机械与汽车工程学院	1	0	0.0	0.0