论文部分内容阅读
为提高智能化生产过程中由铣削过程振动信号预测工件加工后表面粗糙度的精度,提出一种基于特征排序—神经网络的表面粗糙度预测算法。该方法采用“小波包分解+统计量”对振动信号进行特征提取,构建出特征库。然后利用相关性分析,对特征库中的特征进行排序,最后根据排序结果优化设计出特征提取方法和神经网络结构。以不同铣削要素下的6061铝合金加工数据为例,以轮廓算术平均偏差作为表面粗糙度衡量指标,对所提方法进行了验证。结果表明,所提方法在预测表面粗糙度时,预测误差在合理范围内,平均偏差为6.57%,预测值与实际值较为接近。