摘要
本发明提供一种考虑随机刀具磨损影响的微铣削加工参数识别方法,包括:考虑刀具跳动和切屑分离机制建立刀具磨损影响下的切削力模型;根据跳动和磨损对刀具边缘半径值的影响,更新刀具旋转半径,获取刀尖轨迹方程;采集实际加工过程中的刀具磨损数据,对神经网络模型进行训练,并利用双向长短时记忆网络优化神经网络模型中的超参数;采用粒子滤波算法对神经网络模型中的加工参数值进行识别;利用神经网络模型模拟和计算不同工况下的切削力和磨损值,对比实验结果,评估加工参数识别的准确性。本发明在建模过程中充分考虑了刀具磨损的随机性,显著提升了预测精度,并具有更强的实际应用价值。
技术关键词
参数识别方法
切削力模型
刀具跳动
粒子滤波算法
记忆单元
网络优化
优化神经网络模型
方程
小波变换去噪
观测噪声
切削刃
蒙特卡洛方法
数据
磨损特征
归一化方法
轨迹
系统为您推荐了相关专利信息
长短期记忆神经网络模型
电池单体容量
屏蔽方法
记忆单元
分析故障信息
卷积长短期记忆
时序特征
局部空间特征
记忆单元
癫痫脑电信号
中央空调冷水机组
负荷预测模型
冷却塔参数
效能模型
线性回归方程
模型训练模块
记忆单元
长短期记忆网络
服务器
数据