项目编号 |
ZSCQ[****]*** |
||||
项目名称 |
一种基于优化广义回归神经网络预测工件表面质量的方法 |
||||
商品类型 |
专利 |
专利类型 |
发明专利 |
||
产业领域 |
其他 |
授权方式 |
转让 |
||
交易方式 |
协议式 |
商品价格 |
面议 |
||
著录详情 |
专利(申请)号 |
CN************.* |
|||
主分类号 |
G**Q**/** |
||||
公开号 |
|||||
公开日 |
****-**-** **:**:** |
||||
发明(设计)人 |
邵明辉，李松原，李顺才，胡雨婷，陈单敏 |
||||
申请(专利权)人 |
山东承坤信息科技有限公司 |
||||
申请日 |
****-**-** **:**:** |
||||
状态 |
有效 |
||||
摘要 |
本发明涉及一种基于优化广义回归神经网络预测工件表面质量的方法，包括：搭建铣削力、铣削振动、工件表面纹理及粗糙度采集系统，获取铣削过程中的力和振动的时域信号及工件表面粗糙度值和纹理图像；从三向铣削力和三向铣削振动加速度的时域信号中提取出降维铣削力均方根和降维铣削振动加速度均方根作为特征值，利用灰色共生矩阵获得工件表面纹理特征值：能量、对比度、相关性、同质性和熵；基于试验数据和粒子群优化广义回归神经网络建立以一维特征及二维特征值为输入参数，粗糙度为输出结果的多维特征预测模型。本发明的方法可预测铣削过程中的工件表面粗糙度，拓展了科学检测铣削过程中工件表面粗糙度的方式。 |
||||
主权项 |
*.一种基于优化广义回归神经网络预测工件表面质量的方法，其特征在于，包括以下步骤：/nS*、搭建铣削力、铣削振动、工件表面纹理和粗糙度采集系统，该系统包括三向测力仪、三向加速度传感器、接触式粗糙测量仪和工业相机；/nS*、通过步骤S*搭建的系统获取铣削过程中三向铣削力和三向铣削振动加速度的时域信号以及工件表面粗糙度和纹理图像，从三向铣削力和三向铣削振动加速度的时域信号中提取出降维铣削力均方根和降维铣削振动加速度均方根作为特征值，利用灰色共生矩阵从工件表面纹理图像获得能量、对比度、相关性、同质性和熵作为特征值；/nS*、通过粒子群优化广义回归神经网络建立多维特征预测模型，以步骤S*获得的铣削参数、降维三向铣削力均方根、降维三向振动加速度均方根、能量、对比度、相关性、同质性、和熵作为模型输入参数，粗糙度作为模型输出参数，对粗糙度进行预测。/n |
||||
联系方式 |
联 系 人 |
于女士、李先生 |
|||
联系电话 |
****-********、******** |
||||
