基于异构温度数据融合的铣削加工表面粗糙度预测方法

本发明属于数控加工技术领域，具体是一种基于异构温度数据融合的铣削加工表面粗糙度预测方法。该方法使用的粗糙度预测模型包括1D多尺度残差卷积神经网络、双向长短期记忆神经网络、2D多尺度残差卷积神经网络、归一化层、投影层和KAN网络；预处理后的最大温度序列和平均温度序列经过1D多尺度残差卷积神经网络，得到最大温度序列特征和平均温度序列特征；最大温度序列特征和平均温度序列特征经过双向长短期记忆神经网络，得到最大温度长短期依赖特征和平均温度长短期依赖特征；预处理后的热成像图经过2D多尺度残差卷积神经网络，得到热成像特征图；将最大温度长短期依赖特征、平均温度长短期依赖特征、热成像特征图、工艺参数以及刀具轮廓度经过归一化、投影和拼接后，再经过KAN网络映射得到表面粗糙度。解决了温度序列的空间信息不足以及热成像图的时间连续性问题，提供更全面的温度信息，提高了预测精度。