摘要
本公开提供了一种变工艺铣削加工粗糙度预测方法,包括:采集变工艺铣削加工中的信号,构建数据样本;将数据样本输入神经网络模型中进行迭代训练,构建粗糙度预测模型;其中,神经网络模型包括:深度残差收缩网络和多表示域适应网络;将变工艺铣削加工的待测数据输入粗糙度预测模型生成预测值。本公开的变工艺铣削加工粗糙度预测方法,利用变工艺铣削加工过程中有限的样本数据进行迭代训练,实现了小样本数据的特征重组和数据分布对齐,避免了特征提取的局限性,提高了粗糙度预测精度。
技术关键词
粗糙度预测方法
输入神经网络模型
深度残差
训练特征
软阈值函数
数据
注意力机制
样本
输出特征
铣削加工过程
处理器
全局平均池化
信号采集模块
降维特征
多尺度特征
特征提取模块
降噪模块