一种基于深度学习的考虑动态因素的机器人磨削加工表面粗糙度预测方法

本发明公开了一种基于深度学习的考虑动态因素的机器人磨削加工表面粗糙度预测方法，涉及工业机器人技术领域。所述方法包括：采用卷积神经网络对磨削加工动态因素空间特征自提取；采用双向长短期记忆网络对所提取空间进行时序特征提取；将所提取空间和时序特征与静态因素进行标准化和归一化处理；利用改进鲸鱼算法优化双向长短期记忆网络超参数，进一步引入注意力机制实现特征自动权重分配；整合上述环节构建IWOA‑CNN‑BiLSTM‑Attention表面粗糙度预测模型；将静态因素和所提取特征及表面粗糙度测量值输入预测模型进行模型训练，输出表面粗糙度预测值，实现表面粗糙度预测功能。本发明能够解决动态因素特征选择困难，并提高模型预测精度。