基于卷积神经网络的车用铝合金表面粗糙度预测

• 作者: 付仁杰
• 来源期刊: 农业装备与车辆工程
• 关键词: 表面粗糙度 神经网络 预测模型 铝合金
• 年，卷（期）: 2021,（9）
• 页码范围: 121-123,152
• 页数: 4页
• 分类号: TH161+.14
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3142.2021.09.026

摘要

在分析了多种粗糙度的预测建模方法后,鉴于之前的都是车削试验,选择了更加轻便简单的打磨试验.通过对6061铝合金试件进行砂纸打磨,利用SJ-210测量仪测量粗糙度值.考虑到影响其表面粗糙度的因素有打磨时间、压力、砂纸型号等因素,建立了卷积神经网络预测模型,构建出一个具有高精度、高标准、可靠性高的预报模型.抽取其中的部分实验数据对网络模型进行相应的验证,对于表面粗糙程度有一个基本的判定,利用基本数据作为网络参考,再利用剩余的实验数据对网络模型实施验证试验,确定所建立网络模型的精度.结果表明,该网络模型具有较高的预测精度和较强的适用性,有利于现场快速选择打磨参数,预测和控制表面粗糙度.